应用性学习置于构造性学习之后，在理解 sklearn 的构造，各种参数的理论依据的基础上，进行实践性的学习。
本篇主要针对无监督学习进行浅尝。
构造性学习中，以理论为主，并结合一定的例子
本篇是机器学习的入门篇，主体的脉络差不多近似于 《数据挖掘导论》 一书
上一篇的部署是用的 uwsgi，这次听说 gunicorn 很方便，就试了一下
实现获取下一个排列的函数，算法需要将给定数字序列重新排列成字典序中下一个更大的排列。
如果不存在下一个更大的排列，则将数字重新排列成最小的排列（即升序排列）。
必须原地修改，只允许使用额外常数空间。
以下是一些例子，输入位于左侧列，其相应输出位于右侧列。
1,2,3 → 1,3,2
3,2,1 → 1,2,3
1,1,5 → 1,5,1
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
本篇记载了如何在 python 中使用数据挖掘的相关的模块。
都是基础级的东西了。
参考：
《python数据科学入门》
在学习时零散地从网站、博客上获得的相关的知识