用戶標簽和標簽的數學描述：
標簽是特征空間中的緯度
每個標簽都是特征空間中的基向量，基向量之間有關聯，不一定是正交的
用戶畫像是特征空間中的高維向量
特征工程：
數據和特征決定了機器學習的上限，而模型和算法只是逼近這個上限而已
特征：對所需解決問題有用的屬性
特征的提取、選擇和構造
針對鎖解決的問題選擇最有用的特征集合
通過相關系數等方式來計算特征的重要性
人工篩選，有些算法輸出特性：Random Forest維度過多，PCA自動降維
算法和模型：
LR:只要認為問題時線性可分的，就可采用LR
模型比較抗噪，而且可以通過L1,L2范數來做參數選擇
效率高，可以應用於數據特別大的場景
很容易分布式實現
Ensemble方法：
根據訓練集訓練多個分類器，然后綜合多個分類器的結果，做出預測
算法和模型評價：
