1、机器学习建模3大流程：1. 实例化，建立评估模型对象2. 通过模型接口训练数据3. 通过模型接口提取需要的信息 （给模型打分）
2、数据集的实例化(以葡萄酒数据集为例)：1. 数据集模块sklearn.datasets.数据以导入葡萄酒数据集为例：from sklearn.datasets import load_wine
3、 数据集的实例化Win = load_wine()
4、 数据集常用数据 1. data (数据集的特征数据) 2. target ( 数据集的标签 ) 3. feature_names(特征的名字)
5、数据集的 划分：1. 划分数据集模块from sklearn.model_selection import train_test_split
6、实例化对象train_test_split(）
7、 train_test_split(）所需参数及其返回值1. 数据集的特征数据2. 数据集的标签3. test_size 划分数据集例：test_size =0.4 表示将40%的数据集划分为测试集，用于测试训练好的模型，将剩下60%的数据集划分为训练集，用于训练模型4. 返回值（注意：返回值顺序）返回4个数据集依次为：特征数据的训练数据，特征数据的测试数据，标签的训练数据，标签的测试数据
