本文探讨了在机器学习中如何处理单特征与多特征，以及如何划分训练集与测试集。通过线性规划问题为例，解释了多个特征如何对应一个标签。接着，介绍了将数据集分为训练集（70%~80%）和测试集（20%~30%）的常见做法，并用Python代码展示了如何实现这一过程。最后，强调了在机器学习中X_train、y_train、X_test和y_test变量的含义。
本人CSDN博客专栏：https://blog.csdn.net/yty_7
Github地址：https://github.com/yot777/
单特征与多特征
在上一节标签和特征的示例中，我们使用的是标签和特征一一对应：
| 特征（身高，以米为单位） | 标签 | |
| A | 1.51 | 0 |
| B | 1.61 | 1 |
| C | 1.76 | 1 |
| D | 2.1 | 1 |
| E | 1.58 |
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
