為什麼在匯入資料時，使用sframe框架呢？
SFrame中的資料在GraphLabServer 中以列優先的方式儲存，並且儲存在永續性儲存媒介（例如磁碟）中，避免了被記憶體大小所限制。 SFrame中的每一列都是一個大小不可變的SArray，但是SFrame可以通過增加或者減少列來輕鬆地改變。
一個SFrame基本上表現為SArray的一個有序dict。
1.挖掘一下資料集的含義，檢視這個資料集包含什麼
2.統計量：
（1）檢視其中一個單詞“奧巴馬”的文章的單詞統計，使用graphlab中自帶的詞彙統計函式統計每個單詞的詞頻
（2）統計出來的詞頻數比較雜亂，對這些數量進行排序。對字典計數，一列是單詞，另一列是計數。
使用了stack（）

函式，這個函式將SFrame字典中的一列取出，然後和另外幾列放在一起。（在我們的例子中，一列單詞，另一列是計數）。
通過stack 字典被放入列表中分成了兩列，但是沒有進行排序，下面就進行排序（呼叫sort函式）
（3）通過sort函式排序之後，發現排序排出的詞彙最多的單詞，比如 the a 等，大多數都是一些無用的單詞，那麼需要用TF-IDF進行轉化，篩選
（4）首先要計算整個文章的tf-idf，計算出整個文集中每個單詞的數目（就是對整個文件中的每個單詞涉及到的文章進行單詞計數）
（5）Python中直接有？tf-idf這個函式，可以直接進行計算？出來的是一個tf-idf的字典形式
（6）注意，當老師對奧巴馬的tf-idf值進行造表並排序時，使用的程式碼時僅僅一行程式碼進行排序，將其分開儲存到Word和tf-idf兩列（僅僅使用了一行程式碼，就是取出來再進行呼叫函式，檢視其使用技巧），可以看到使用tf-idf計算出來的文章關鍵詞都和奧巴馬有著緊密的聯絡
3.手動計算距離
計算克林頓和奧巴馬之間的相似度，呼叫了distance函式，使用cosine來計算相似度。看看奧巴馬的tf-idf和克林頓的tf-idf之間的距離是否很小，很小表示其相似程度高（使用貝克漢姆來進行對比）
4.使用近鄰模型計算兩者之間的距離（建模）
我們還是使用graphlab中的叫做nearest_neighbors的離線模型來計算，返回值使用label來定義，返回最近鄰居的真實標籤label也就是那個人的名字
（1）使用knnmodel中的query方法，也就是使用query函式(呼叫這個函式，可以直觀的顯示出一個表格，表格中有相關的從上到下的距離排列