Python 在数据科学中,使用x和使用x有什么区别?
在数据科学中,使用x和x有什么区别?Python 在数据科学中,使用x和使用x有什么区别?,python,data-science,Python,Data Science,在数据科学中,使用x和x有什么区别? 但是y都是小写的 import numpy as np from sklearn.linear_model import LinearRegression X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]]) y = np.dot(X, np.array([1, 2])) + 3 reg = LinearRegression().fit(X, y) reg.score(X, y) reg.coef_ reg.in
但是y都是小写的
import numpy as np
from sklearn.linear_model import LinearRegression
X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]])
y = np.dot(X, np.array([1, 2])) + 3
reg = LinearRegression().fit(X, y)
reg.score(X, y)
reg.coef_
reg.intercept_
reg.predict(np.array([[3, 5]]))
这取决于一个人的喜好。
但我们通常使用大写字母表示矩阵的数学表达式,使用“X”而不是“X”bcz。这里X表示特征矩阵。
假设特征矩阵是二维的,具有形状[n_样本,n_特征]。
y表示为目标阵列,即假设为一维。
请随意查看以下内容:
你会有一个清晰的想法。它只是变量名通常大写变量名用于矩阵,小写变量用于向量。Sklearn使用这个约定。也就是说,它只是一个名字。