Kenmerken X en doelvariabele y
Invoer vormgeven zoals de bibliotheek die verwacht
Kenmerken X en doelvariabele y is een gratis Data Science Academy-les op CoddyKit. Dit is les 2 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Data Science Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Data Science Academy bevat in totaal 4 lessen.
Invoer en uitvoer
Modellen voor begeleid leren leren een verband van invoer naar uitvoer. De invoer bestaat uit je kenmerken en de uitvoer is wat je wilt voorspellen. 🎯
Maak kennis met X en y
Volgens de conventie zet je kenmerken in een hoofdletter X en het doel in een kleine letter y. Deze naamgeving zie je in bijna elk voorbeeld dat je leest.
X is tweedimensionaal
De hoofdletter X is een 2D-tabel: één rij per voorbeeld en één kolom per kenmerk. scikit-learn verwacht altijd deze vorm van rijen bij kolommen.
X.shape # (n_samples, n_features)y is eendimensionaal
Het doel y is meestal één kolom: één waarde per voorbeeld. De lengte moet exact overeenkomen met het aantal rijen in X.
y.shape # (n_samples,)Een DataFrame opsplitsen
Vanuit een pandas-tabel haal je X en y door kolommen te selecteren. De kolom met het doel wordt y; alles anders wordt X.
X = df.drop(columns=['price'])
y = df['price']Kenmerken moeten numeriek zijn
De meeste schatters verwachten numerieke kenmerken. Tekst- en categoriekolommen moeten eerst naar getallen worden gecodeerd voordat ze in X kunnen komen.
Houd het doel buiten X
Laat het antwoord nooit tussen je kenmerken staan. Een doel dat zich in X verbergt, is gegevenslekken. Daardoor lijkt een model perfect, maar is het onbruikbaar.
Rijen moeten uitgelijnd zijn
Rij één van X moet overeenkomen met waarde één van y. Door deze uitlijning kan het model elk voorbeeld aan het juiste antwoord koppelen.
Regressie tegenover classificatie
Als y doorlopende getallen bevat, gaat het om regressie; als y categorieën bevat, gaat het om classificatie. Het type doel bepaalt de modelfamilie.
Geef beide door aan fit
Zodra X en y klaar zijn, geef je ze samen door aan fit. Het model leest kenmerken en antwoorden naast elkaar om te leren.
model.fit(X, y)predict neemt alleen X aan
Bij het voorspellen geef je nieuwe kenmerken door met dezelfde kolommen als in X tijdens het trainen. Je geeft y nooit door, want dat is juist wat je wilt terugkrijgen.
model.predict(X_new)Snelle controle
Controleer of je de vormen van X en y goed uit elkaar houdt.
Samenvatting
Splits je gegevens op in X, een 2D-tabel met kenmerken, en y, het 1D-doel. Houd ze uitgelijnd en vrij van gegevenslekken, dan is fit klaar om te leren. ✅
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Kenmerken X en doelvariabele y” gratis?
Ja — de volledige tekst van “Kenmerken X en doelvariabele y” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus Data Science Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus Data Science Academy bevat in totaal 4 lessen.
Wat leer ik in “Kenmerken X en doelvariabele y”?
Invoer vormgeven zoals de bibliotheek die verwacht Je oefent met Data Science Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met Data Science Academy te beginnen?
Ervaring vooraf is niet nodig. Data Science Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 2 van 4.
Hoe lang duurt de les “Kenmerken X en doelvariabele y”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over Data Science Academy?
Ja. Elke les over Data Science Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Het fit- en predict-contract
- Kenmerken X en doelvariabele y
- Een lineaire regressie trainen
- Uw eerste model scoren