X și y: convenția din ML
În orice cod de Machine Learning vei vedea două nume: X și y. X ține caracteristicile tuturor exemplelor, y ține etichetele. În lecția asta afli de ce se scriu așa, ce formă au și cum le verifici.
Două nume pe care le vei vedea peste tot
- X = matricea de caracteristici: o listă de rânduri, câte un rând pentru fiecare exemplu. Are două dimensiuni (rânduri × coloane), de aceea se mai numește 2D.
- y = vectorul de etichete: o listă simplă, câte o valoare pentru fiecare exemplu. Are o singură dimensiune (1D).
X = [[5, 7], [2, 6], [8, 8]] # ore de studiu, ore de somn
y = [8, 5, 10] # nota
print("X:", X)
print("y:", y)X: [[5, 7], [2, 6], [8, 8]] y: [8, 5, 10]
Din matematică: matricele se notează cu litere mari, vectorii cu litere mici. E singurul loc din Python unde o variabilă cu majusculă e normală, iar toată comunitatea ML o folosește așa.
Construiește X și y pentru 5 studenți și afișează câteva informații despre ele.
- Creează X cu 5 rânduri [ore_studiu, ore_somn]: [5, 7], [2, 6], [8, 8], [4, 5], [7, 7].
- Creează y cu notele [8, 5, 10, 6, 9].
- Afișează Exemple: 5 (calculat cu len) și Caracteristici: 2 (lungimea primului rând).
- Afișează Primul exemplu: [5, 7] -> nota 8.
Soluția exercițiului
X = [[5, 7], [2, 6], [8, 8], [4, 5], [7, 7]]
y = [8, 5, 10, 6, 9]
print("Exemple:", len(X))
print("Caracteristici:", len(X[0]))
print("Primul exemplu:", X[0], "-> nota", y[0]) Vrei să afli mai mult?Forma: (rânduri, coloane) · Regula de aur: X și y au același număr de rânduri · Un exemplu cu o singură caracteristică · Greșeli frecvente · Rezumat
Forma: (rânduri, coloane)
Forma lui X spune câte exemple ai și câte caracteristici are fiecare. Cu liste o afli așa:
X = [[5, 7], [2, 6], [8, 8]]
print("Rânduri (exemple):", len(X))
print("Coloane (caracteristici):", len(X[0]))Rânduri (exemple): 3 Coloane (caracteristici): 2
Scrisă ca pereche, forma este (3, 2): 3 exemple, 2 caracteristici. Vei vedea mereu forma în această ordine, de la numpy la scikit-learn.
| Obiect | Dimensiuni | Formă în exemplu | Ce înseamnă |
|---|---|---|---|
| X | 2D | (3, 2) | 3 studenți, 2 caracteristici |
| y | 1D | (3,) | 3 note |
Regula de aur: X și y au același număr de rânduri
Pentru fiecare rând din X există exact o etichetă în y, în aceeași poziție. X[0] și y[0] sunt același student.
X = [[5, 7], [2, 6], [8, 8]]
y = [8, 5, 10]
print(len(X) == len(y))
print("Studentul 2:", X[1], "-> nota", y[1])True Studentul 2: [2, 6] -> nota 5
Mai târziu, scikit-learn îți va da o eroare de tipul „Found input variables with inconsistent numbers of samples: [3, 4]” dacă X și y au lungimi diferite. Acum știi ce înseamnă.
Un exemplu cu o singură caracteristică
Chiar și când ai o singură caracteristică, X rămâne 2D: fiecare rând este o listă cu un element. Asta e o capcană foarte frecventă:
X = [[50], [70], [100]] # 2D: 3 rânduri, 1 coloană y = [75000, 105000, 150000] print(len(X), len(X[0]))
3 1
Greșeli frecvente
- X = [50, 70, 100] când ai o singură caracteristică: e 1D, iar modelele cer 2D ([[50], [70], [100]]).
- y cu paranteze în plus, [[8], [5], [10]]: eticheta trebuie să fie un vector simplu.
- Etichetele în altă ordine decât rândurile din X: rezultatul nu dă eroare, dar modelul învață greșit.
Rezumat
| Termen | În cod | Exemplu |
|---|---|---|
| exemplu | un rând din X | [5, 7] |
| caracteristică | o coloană din X | orele de studiu |
| etichetă | o valoare din y | 8 |
| forma lui X | (rânduri, coloane) | (5, 2) |
