1.Sklearn中Adaboost类库概述

参考链接：http://www.cnblogs.com/pinard/p/6136914.html

2.随机数据生成

（1）numpy随机数据生成

       1.rand(d0, d1, ..., dn) 生成d0xd1x...dn维的数组。数组的值在[0,1]之间 1

       2.randn((d0, d1, ..., dn), 生成d0xd1x...dn维的数组。不过数组的值服从N(0,1)的标准正态分布

         如果需要服从N(μ,σ2)的正态分布，只需要在randn上每个生成的值x上做变换σx+μ即可

       3.randint(low[, high, size])，生成随机大小为size的数据，size可以为整数、矩阵维数，张量维数。

         值位于半开区间 [low, high)。

        例如：np.random.randint(3, size=[2,3,4])返回维数维2x3x4的数据。取值范围为最大值为3的整数

       4.random_integers(low[, high, size]),与randint类似，区别在与取值范围是闭区间[low, high]

　　 5.random_sample([size]), 返回随机的浮点数，在半开区间 [0.0, 1.0)。

          如果是其他区间[a,b),可以加以转换(b - a) * random_sample([size]) + a

　　　　例如： (5-2)*np.random.random_sample(3)+2 返回[2,5)之间的3个随机数。

（2）. scikit-learn随机数据生成API介绍

            和numpy比起来，可以用来生成适合特定机器学习模型的数据。常用的API有：

　　　　1) 用make_regression 生成回归模型的数据

　　　　2) 用make_hastie_10_2，make_classification或make_multilabel_classification生成分类模型                   数据

　　　　3) 用make_blobs生成聚类模型数据

　　　　4) 用make_gaussian_quantiles生成分组多维正态分布的数据

参考链接：http://www.cnblogs.com/pinard/p/6047802.html

3.gridsearchcv(网格搜索)