from sklearn import metrics 其中metrics是度量，是用来统计计算应用的性能指标, 频率, 耗时 ,大小长短；
来源
通过python metrics计算应用性能指标
df = series.to_frame 将pandas中的series转成dataframe
df.columns = ['a'] 暴力改列名字
df_month_rename = df_month.rename(columns={'Times': 'DATE_TIME'})
df.drop([' column_1','column_2'],axis=1) 去列
df.drop([' index',])
s_Y_pre = np.where(s_Y_pre < 0, 0, s_Y_pre) np.where函数
datetime = [2017-10-01_00:00:00,...,2017-10-31_23:45:00]
date = datetime.str[0:10] # 字符串选取年月日
date = [2017-10-01,...,2017-10-31]
rmse_score = pd.Series(rmse_score, index=index_date) # 设置索引
df_year = pd.DataFrame([])
for j in range(0, 365):
df_ex = pd.read_table(dir_data + txt_files[j+365*i],
skiprows=2, nrows=96) # 使用空格作为分隔符，表头为空
df_year = pd.concat([df_year, df_ex]) # 上下df的合并
使用sklearn时 需要数据预处理，参考以下原创
Scikit-learn Preprocessing 预处理
此片原创文章中 有几处错误，公式计算时的方差应该是标准差，既然是数学公式当然要严谨一些，希望原作者给予修改。
二次规划问题
[原创二次规划基础知识]（http://blog.csdn.net/jbb0523/article/details/50598523）
莫烦python
莫烦python
