Egenskaperna X och målet y
Forma indata som biblioteket förväntar sig
Egenskaperna X och målet y är en gratis lektion i Data Science Academy på CoddyKit. Detta är lektion 2 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Data Science Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Indata och utdata
Övervakade modeller lär sig en avbildning från indata till ett resultat. Indatan är Era egenskaper, och resultatet är det Ni vill prediktera. 🎯
Möt X och y
Enligt konvention placeras egenskaper i ett versalt X och målet i ett gement y. Denna namngivning förekommer i nästan alla exempel Ni läser.
X är tvådimensionellt
Versalt X är en 2D-tabell: en rad per observation och en kolumn per egenskap. scikit-learn förväntar sig alltid denna rad- och kolumnstruktur.
X.shape # (n_samples, n_features)y är endimensionellt
Målet y är vanligtvis en enda kolumn: ett värde per observation. Dess längd måste exakt motsvara antalet rader i X.
y.shape # (n_samples,)Dela upp en DataFrame
Från en pandas-tabell skapar Ni X och y genom att välja kolumner. Målkolumnen blir y, och allt annat blir X.
X = df.drop(columns=['price'])
y = df['price']Egenskaper bör vara numeriska
De flesta estimatorer förväntar sig numeriska egenskaper. Text- och kategorikolumner måste kodas om till tal innan de kan läggas i X.
Håll målet utanför X
Låt aldrig svaret finnas bland Era egenskaper. Ett mål som gömmer sig i X är läckage, vilket får modellen att se perfekt men oanvändbar ut.
Raderna måste stämma överens
Rad ett i X måste motsvara värde ett i y. Denna justering är hur modellen kopplar varje observation till rätt svar.
Regression kontra klassificering
Om y innehåller kontinuerliga tal handlar det om regression; om y innehåller kategorier handlar det om klassificering. Målets typ avgör modellfamiljen.
Skicka båda till fit
När X och y är klara skickar Ni båda till fit samtidigt. Modellen läser egenskaper och svar sida vid sida för att lära sig.
model.fit(X, y)predict tar endast X
När Ni predikterar skickar Ni in nya egenskaper med samma kolumner som i tränings-X. Ni skickar aldrig med y, eftersom det är det Ni vill få tillbaka.
model.predict(X_new)Snabb kontroll
Kontrollera att Ni har förstått formerna på X och y.
Sammanfattning
Dela upp Era data i X, en 2D-tabell med egenskaper, och y, det 1D-målet. Håll dem justerade och fria från läckage, så är fit redo att lära.
Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”Egenskaperna X och målet y” gratis?
Ja – hela texten till ”Egenskaperna X och målet y” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Data Science Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”Egenskaperna X och målet y”?
Forma indata som biblioteket förväntar sig Ni övar på Data Science Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Data Science Academy?
Du behöver inga förkunskaper. Utbildningen i Data Science Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 2 av 4.
Hur lång tid tar lektionen ”Egenskaperna X och målet y”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Data Science Academy-lektionen?
Ja. Varje Data Science Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Kontraktet för fit och predict
- Egenskaperna X och målet y
- Träna en linjär regression
- Utvärdera din första modell