在数据科学中，使用 x X 有什么区别？

Question

在数据科学中，使用 x 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]]))

Answer 1

表示方式看个人喜好 但是我们通常使用 'X' 而不是 'x' bcz 矩阵的数学表示使用大写字母。这里 X 表示 特征矩阵 。假设特征矩阵是二维的，形状为 [n_samples, n_features]。 y 表示为 target array 即假定为一维。随时检查一下： https://jakevdp.github.io/PythonDataScienceHandbook/05.02-introducing-scikit-learn.html 你会有一个清晰的思路。

在数据科学中，使用 x X 有什么区别？

In data science, what is the difference between using x X?

python

data-science