scikit_learn
    linear_model
    KFold

 機能・要件
 構成・方式
 タスク
 ライブラリ
 導入
 Sample
 Error
 基礎他
  scikit-learn　（サイキットラーン）の主な機能（特に機械学習のモデル）
 ・機械学習全般のアルゴリズムを実装したライブラリ
 ・様々な分類、回帰、クラスタリングアルゴリズムが含まれている。
サポートベクターマシン （SVM）
ランダムフォレスト
Gradient Boosting
k近傍法
ニューラルネットワークにも対応
 ・ディープラーニング以外の機械学習アルゴリズムのほうが適している場合
用意したデータの数が少ない場合
解決したい問題に最も適した機械学習アルゴリズムが必要な場合
 ・使い方
ライブラリのインポート
学習データとテストデータの準備
アルゴリズムを指定し、学習実行
テストデータでテスト
必要に応じて精度などをビジュアライズ
参考
 ・アルゴリズムチートシート
参考

 sklearn.linear_model
 ・linear_model.LinearRegression
 ・linear_model.SGDRegressor
属性（アトリビュート）
coef （偏）回帰係数
intercept 切片
メソッド
fit(X,Y) 線形回帰モデルの当てはめ（予測モデル作成）
get_params、set_params
predict(X) Xに対する予測値出力
score(X,Y) 決定係数（予測値と正解値の相関）出力
クラスの引数（実行時の制御）
normalize デフォルト（True）
copy_X デフォルト（False）
n_jobs デフォルト（1、-1：すべてのCPU）

 sklearn.model_selection.KFold （K-分割交差検証）
 ・分布に大きな不均衡がある場合に用いる。
 ・分布の比率を維持したままデータを訓練用とテスト用に分割する。
データをk個に分け、n個を訓練用に、k-n個をテスト用に使う。
分けられたn個のデータがテスト用として必ず1回使われるように、n回検定する。 　　　　python 　　　　>>> import numpy as np 　　　　>>> from sklearn.model_selection import KFold 　　　　>>> x = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [3, 4], [3, 4], [3, 4], [3, 4], [3, 4], [3, 4]]) 　　　　>>> y = np.array([0, 0, 1, 1, 1, 1, 1, 1, 1, 1]) 　　　　>>> kf = KFold(n_splits=5) # データの分割数（k）検定をここで指定した回数行う。 　　　　>>> for train_index, test_index in kf.split(x, y): 　　　　... print("train_index:", train_index, "test_index:", test_index) 　　　　... 　　　　train_index: [2 3 4 5 6 7 8 9] test_index: [0 1] 　　　　train_index: [0 1 4 5 6 7 8 9] test_index: [2 3] 　　　　train_index: [0 1 2 3 6 7 8 9] test_index: [4 5] 　　　　train_index: [0 1 2 3 4 5 8 9] test_index: [6 7] 　　　　train_index: [0 1 2 3 4 5 6 7] test_index: [8 9]