学习曲线函数：
from sklearn.learning_curve import learning_curve
调用格式：
learning_curve(estimator, X, y, train_sizes=array([0.1, 0.325, 0.55, 0.775, 1. ]), cv=None, scoring=None, exploit_incremental_learning=False, n_jobs=1, pre_dispatch=‘all‘, verbose=0)
# exploit 开发，开拓 incremental 增加的 dispatch 派遣，分派 verbose 冗长的
参数：
- estimator：分类器
- X：训练向量
- y：目标相对于X分类或者回归
- train_sizes：训练样本相对的或绝对的数字，这些量的样本将会生成learning curve。
- cv：确定交叉验证的分离策略（None：使用默认的3-fold cross-validation；integer：确定几折交叉验证）
- verbose：整型，可选择的。控制冗余：越高，有越多的信息。
返回值：
train_sizes_abs：生成learning curve的训练集的样本数。重复的输入会被删除。
train_scores：在训练集上的分数
test_scores：在测试集上的分数
