达观杯数据竞赛第一天打卡

下载数据，读取数据，观察数据

将训练集拆分为训练集和验证集

分享自己对数据以及赛题的理解和发现

这个是我第一次写博客、第一次用 Markdown编辑器，而且时间挺着急的，中间可能会有很多不熟悉和错误，也是记录下自己的小成长。
这个竞赛是DC的，需要去官网注册、报名才能下载。会给一个网盘的地址和密码，数据有488MB。
下载下来分为训练集和测试集，先用pandas读取看看。

看来有三列，article和word_seg都是以空格分开的数字组，id是无用的序列，class是标签了。

数据挺大的，内存占用比较大了，只取1000列看看吧。

看来article 列有8838组数字了，word_seg列有5554组数字
标签有19组了。

时间比较紧，分训练和测试我就不写了，一般是7-3或者8-2