Özellik ve etiket gösterimi

ML'de özellikler genelde X matrisi, etiketler y vektörü olarak gösterilir.

Özellik matrisi X

Geleneksel olarak girdiler büyük X, etiketler küçük y ile gösterilir. X iki boyutludur (örnek × özellik), y tek boyutludur (her örnek için bir etiket).

import numpy as np
X = np.array([[170, 65], [160, 55], [180, 80]])  # boy, kilo
y = np.array([1, 0, 1])
print(X.ndim, y.ndim)   # 2 1

Büyük harf matrisi, küçük harf vektörü anlatan matematik gösteriminden gelir.

reshape(-1, 1)

Tek özellikli veriyi sütun haline getirmenin yolu reshape(-1, 1)'dir. -1 "bu boyutu sen hesapla" anlamına gelir:

x = np.array([10, 20, 30])
X = x.reshape(-1, 1)
print(X.shape)   # (3, 1)

Etiketler ise tek boyutlu kalmalıdır; y'yi sütuna çevirmek bazı modellerde uyarıya yol açar.

Uygulama Sütuna çevir

x dizisini reshape(-1, 1) ile X'e çevir; X.shape ve X.ndim değerlerini aralarında boşlukla yazdır.

Örnek çözümü göster

import numpy as np

x = np.array([4, 8, 15, 16, 23, 42])

X = x.reshape(-1, 1)
print(X.shape, X.ndim)

Kendini test et

<code>X = np.array([10, 20, 30])</code> scikit-learn'e neden doğrudan verilemez?
- Üç örnek az
- NumPy dizisi kabul edilmez
- Tek boyutlu; X iki boyutlu olmalı
- Sayılar tam sayı
Cevabı göster

Tek boyutlu; X iki boyutlu olmalı — reshape(-1, 1) ile tek sütunlu iki boyutlu diziye çevrilmesi gerekir.
Tek boyutlu diziyi tek sütunlu matrise çevir.
```
X = x.reshape(____)
```
Cevabı göster
```
X = x.reshape(-1, 1)
```
Gösterimleri eşleştir.

X

Özellik matrisi
y

Etiket vektörü
ndim

Boyut sayısı
reshape(-1, 1)

Tek sütuna çevirme

Sıradaki ders: Özet - ML temelleri

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler