这是今年
现在忘得一干二净，：)
信息熵更精细（计算的时候后有对数。会计算比较慢）。基尼指数则会比较大。所以用信息熵生成的决策树比较精细，在高噪音的数据上，往往会导致过拟合。
R2越接近1越好
MSE 越小越好 ，scoring ="neg_mean_squared_error"则是负的MSE
在python里面能不写循环就不写了
可是模型里面属性的查看只能用遍历了，因为导成pandas，就变成字符串了，就不能一个一个的遍历了
先编译运行代码，然后光标移动到方法上面，按shift+tab即可查看方法的参数说明，以及返回值。
axis=0 1 搞不明白，就先整个备份 inplace=False，改对了，再True覆盖
相较于 pd.range， numpy.linspace 是不知道步长多少的时候来用的（开始，结尾，个数）
嵌入法小慢
惰性对象 [*]
先进行降维，再升维，可以去噪。
直接上案例，实操了
过了一下第一章的泰坦尼克号kaggle案例代码。熟悉但陌生，就像那些算法题的代码一样。
