データの形 ― 特徴量Xとラベルy

導入

機械学習では、データをいつも決まった形に整えて渡します。「特徴量 X」と「ラベル y」です。この形に慣れることが、最初の関門です。

説明

• 特徴量 X：予測の手がかりにする入力。2次元（行＝サンプル、列＝項目）で用意します。
• ラベル y：予測したい正解。1次元（サンプルごとに1つ）です。

import numpy as np

# 3人ぶんのデータ。各人「身長, 体重」の2項目
X = np.array([
    [160, 55],
    [172, 68],
    [158, 50],
])
# それぞれの正解ラベル（例: 0=A, 1=B のグループ）
y = np.array([0, 1, 0])

print("X の形:", X.shape)   # (サンプル数, 特徴量数)
print("y の形:", y.shape)   # (サンプル数,)
print("1人目の特徴量:", X[0])

X.shape が (3, 2) なのは「3サンプル × 2項目」という意味です。y.shape は (3,)。行数（サンプル数）は X と y で必ず一致します。ここがズレると学習できません。

たとえ項目が1つでも、X は2次元にします（第1レッスンで [[1],[2],...] と二重カッコにしていたのはこのためです）。

import numpy as np

hours = np.array([1, 2, 3])      # 1次元だと…
X = hours.reshape(-1, 1)          # (3,) → (3, 1) の2次元に直す
print(X.shape)
print(X)

reshape(-1, 1) は「列を1つにして、行数は自動で合わせる」変形です。1項目のデータを X の形に整える定番テクニックです。

やってみよう

X に4人目 [180, 80] を足し、y にも正解を1つ足して、shape が両方とも増えることを確かめましょう（行数を一致させるのを忘れずに）。

演習

np.array([10, 20, 30, 40]) を、reshape を使って (4, 1) の2次元配列に直して表示してください。