fetch_data
fetch_mldata默认路径是在scikit_learn_data路径下，mnist的mat文件其实直接放置到scikit_lean/mldata下面即可通过fetch_mldata中获取；当然路径信息其实是fetch_home函数中定义的；
洗牌训练数据
为了避免数据的有序对于训练的影响，有的时候需要对于数据进行随机排列；比如对于7万个手写数字的样本，前60000个做训练集，这6万个需要通过np.random.permutation(60000)来进行随机重排，也成为洗牌（shuffle）。但是这种洗牌主要用于样本本身不具备顺序性；但是对于一些样本之间具有关联系，比如具有时间排序联系（股票，天气）则尽量避免洗牌操作，因为训练的本身就是具有训练时序性。
唉，在做手写体测试的时候，每次执行从洗牌到训练到验证（sdg_clf.predict([some_digit])）的时候发现经常执行结果不一样，有的时候能够识别some_digit为5，有的则识别不出来。
scores和predict的差别
注意模型的scores和predict的差别，前者其实是对于样本可能是某个值的一种可能值；后者则是直接根据X预测y，在分类算法里面，predict返回的就是分类类别，里面本质上是计算某个用例在各个分类中的概率，选择概率最大的那个；
用decision_function来代替predict，前者返回的内容scores；scores现在我的理解是对于二元/多元计分，通常是根据分值最大的那个分类作为predict的返回值（所以predict在内部实现是是先调用decision_function，然后再自行判断类别），所谓分值的阈值也是判断是否的分割线；那么对于多分类的处理是怎样的呢？
>>> cross_val_score(sgd_clf, X_train, y_train, cv=3, scoring="accuracy")
其中分值（scoring）的种类如下表所示：
参考：
http://scikit-learn.org/stable/modules/model_evaluation.html
ovo_clf = OneVsOneClassifier(SGDClassifier(random_state=42))
这个random_state是做什么的？一个算法只要指定了random_state，就可以保证每次产生的随机数都是一致的，可以保证多次运行产生的模型一致；很多时候是测试阶段为了获取稳定测试效果会如此处理；在生产环境很多场景是需要随记的；主要还是看应用场景，是否需要random_state。