通常，你可能通过阅读一些机器学习书籍、博客，观看相关的视频教程来学习Python与机器学习，但是，这往往并不算走了上机器学习的学习道路，因为你没有动手实现相关的模型。
因此，本文将介绍利用scikit-learn实现常用的5个机器学习模型。scikit-learn库是Python中一个非常流行的机器学习库，它能够非常简单地实现常见的模型，并且代码很容易运行。
引言
刚开始学习的时候，你不需要了解scikit-learn中所有算法模型。你可以只选择学习少数几个模型并用代码实现它们。
本文将基于scikit-learn库内置的数据集上，介绍5个常用的分类模型，分别如下：
LogisticRegression朴素贝叶斯KNN决策树SVM本文每个模型的示例代码都只提供了实现框架，并不保证模型参数最优。模型参数的选择，后续文章将展开详细讨论。
LogisticRegression（逻辑回归）
LogisticRegression是利用线性模型对数据拟合，并预测每个类别的概率。这个模型既可以用于回归问题，也可以用于分类问题。
下面代码是利用逻辑回归模型对scikit-learn库内置的iris数据集进行拟合。这是一个多分类问题，逻辑回归预测值在0和1之间，所以使用one-vs-all模式来进行多分类。主要