回顾一下，scikit-learn 为使用监督学习模型在遇到新数据时预测目标变量的取值，提供了一套可重复的工作流。
请重新排序给出的伪代码，使其准确表示从构建监督学习模型到进行预测的工作流。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
在本章中，您将认识分类问题，并学习如何用监督学习技术来解决。您将学习如何将数据划分为训练集和测试集、拟合模型、进行预测并评估准确率。您还将了解模型复杂度与性能之间的关系，并将所学应用到一个流失数据集上，对某电信公司的客户流失状态进行分类。
当前练习
本章将向您介绍回归，并使用一个关于广告支出的数据集构建预测销售额的模型。您将学习线性回归的机制，以及 R-squared 和均方根误差等常见性能指标。您还将执行 k 折交叉验证，并对回归模型进行正则化以降低过拟合风险。
在完成模型训练后，您将进一步学习如何评估模型。本章将向您介绍多种评估指标，以及一种基于 scikit-learn 的可视化技术来分析分类模型表现。您还将学习如何通过超参数调优来优化分类与回归模型。
学习如何填补缺失值、将分类数据转换为数值、缩放数据、同时评估多个监督学习模型，并构建流水线以优化您的工作流程！
