第一阶段-第3天-数据准备：特征与标签

今日目标

1. 理解什么是特征（输入）和标签（输出）
2. 学会组织训练数据
3. 理解为什么需要多组数据
4. 能自己准备一个小数据集

学习内容

1. 特征与标签

特征（Feature）：提供给模型的信息，也就是输入。
标签（Label）：模型要学习的正确答案，也就是输出。

举例：

2. 组织训练数据

# 方式1：两个独立列表
特征 = [0, 1, 2, 3, 4]
标签 = [1, 3, 5, 7, 9]

# 方式2：成对列表
数据 = [
    (0, 1),
    (1, 3),
    (2, 5),
    (3, 7),
    (4, 9),
]

# 遍历成对数据
for x, y in 数据:
    print(f"输入={x}, 期望输出={y}")

3. 为什么需要多组数据？

如果只给一组数据，模型可能学到错误的规律。

举例：

4. 准备一个真实场景的数据集

假设我们收集了5个员工的工资数据：

# 工作年限(年) → 月薪(千元)
员工数据 = [
    (1,  8),   # 工作1年，月薪8千
    (2,  10),  # 工作2年，月薪1万
    (3,  13),  # 工作3年，月薪1万3
    (5,  18),  # 工作5年，月薪1万8
    (8,  25),  # 工作8年，月薪2万5
]

工作年限 = [d[0] for d in 员工数据]
月薪     = [d[1] for d in 员工数据]

print("工作年限:", 工作年限)
print("月薪:", 月薪)

5. 数据的噪声

真实世界的数据不会完美落在一条直线上。

# 理想数据（没有噪声）
理想数据 = [(0, 1), (1, 3), (2, 5), (3, 7), (4, 9)]

# 带噪声的数据（更接近真实）
带噪声数据 = [
    (0, 1.1),   # 期望1，实际1.1
    (1, 2.8),   # 期望3，实际2.8
    (2, 5.3),   # 期望5，实际5.3
    (3, 6.9),   # 期望7，实际6.9
    (4, 9.2),   # 期望9，实际9.2
]

# 观察噪声的影响
for x, y in 带噪声数据:
    理想值 = 2 * x + 1
    误差 = abs(y - 理想值)
    print(f"x={x}, 实际y={y:.1f}, 理想y={理想值}, 误差={误差:.1f}")

今日练习

练习1：整理自己的数据集

选择一个你感兴趣的主题，收集5组数据：

# 示例：学习时间(小时) → 考试成绩(分)
学习数据 = [
    (1,  55),
    (2,  65),
    (3,  72),
    (4,  85),
    (5,  92),
]

学习时间 = [d[0] for d in 学习数据]
考试成绩 = [d[1] for d in 学习数据]

for 时间, 成绩 in zip(学习时间, 考试成绩):
    print(f"学习{时间}小时 → 成绩{成绩}分")

练习2：计算数据的统计信息

数据 = [(0, 1), (1, 3), (2, 5), (3, 7), (4, 9)]

x值 = [d[0] for d in 数据]
y值 = [d[1] for d in 数据]

# 计算x和y的平均值
x平均 = sum(x值) / len(x值)
y平均 = sum(y值) / len(y值)

print(f"x的平均值：{x平均}")
print(f"y的平均值：{y平均}")

验收标准

• 能区分特征和标签
• 能组织至少5组训练数据
• 能解释为什么需要多组数据
• 能识别数据中的噪声

明日预告

下节课将学习前向计算：如何用公式 y = wx + b 进行预测。