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？
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。