我来自 CS 背景并转向数据科学，我开始知道 ML 受到统计推断/信号处理的高度影响。我们在数据科学中使用的 X 称为输入、特征集或自变量，Y 称为目标、类别、标签。你怎么称呼它？从业者的市场和领域有区别吗？
数据科学中的 X、Y 名称
数据挖掘
数据
机器学习模型
2022-03-06 14:51:14
2个回答
我为 X 找到的几个名字是：
- 特征向量
- 输入变量
- 自变量
- 解释变量
- 外生变量
- 预测变量
- 回归者
- 协变量
根据个人经验，大多数是X的输入或特征以及 Y 的输出或标签。尽管如此，其他术语也很常见，主要取决于人的背景（您已经列出了一些）。
X：
- 输入
- 特征
- 特征向量
- 自变量/解释变量/外生变量
- 预测变量
是：
- 输出
- 标签（已知结果）
- 依赖/解释/预测变量
- 结果
- 目标
另外，请注意目标和标签并不总是意味着同一件事：因为某些标签代表目标变量的已知结果，这意味着某些输入可能没有与之关联的标签（参见无监督/半监督学习）。
其它你可能感兴趣的问题