blocks|key|6374028|text|我为X找到的几个名字是：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|6374029|特征向量|unordered-list-item|6374030|输入变量|6374031|自变量|6374032|解释变量|6374033|外生变量|6374034|预测变量|6374035|回归者|6374036|协变量|entityMap^0|0|0|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|T|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|U|8|@]|9|@]|A|$]]|$1|E|3|F|5|D|7|V|8|@]|9|@]|A|$]]|$1|G|3|H|5|D|7|W|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|X|8|@]|9|@]|A|$]]|$1|K|3|L|5|D|7|Y|8|@]|9|@]|A|$]]|$1|M|3|N|5|D|7|Z|8|@]|9|@]|A|$]]|$1|O|3|P|5|D|7|10|8|@]|9|@]|A|$]]|$1|Q|3|R|5|D|7|11|8|@]|9|@]|A|$]]]|S|$]]

A few names I found for X are:
<ul>
<li>feature vector</li>
<li>an input variable</li>
<li>an independent variable</li>
<li>an explanatory variable</li>
<li>an exogenous variable</li>
<li>a predictor variable</li>
<li>a regressor</li>
<li>a covariate</li>
</ul>

blocks|key|6345265|text|从个人经验来看，大多数是X的输入或特征，Y的输出或标签。尽管如此，其他术语也很常见，主要取决于个人的背景(有些你已经列出了)。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|6345266|X|header-two|6345267|输入|unordered-list-item|6345268|特性|6345269|特征向量|6345270|独立/解释性/外生变量|6345271|预测变量|6345272|Y|6345273|输出|6345274|标签(已知结果)|6345275|因变量/解释/预测变量|6345276|结果|6345277|目标|6345278|另外，要注意目标，标签并不总是意味着相同的东西:因为有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它们相关联的标签(cf+)。无监督/半监督学习)。|entityMap^0|0|0|0|0|0|0|0|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|14|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|15|8|@]|9|@]|A|$]]|$1|E|3|F|5|G|7|16|8|@]|9|@]|A|$]]|$1|H|3|I|5|G|7|17|8|@]|9|@]|A|$]]|$1|J|3|K|5|G|7|18|8|@]|9|@]|A|$]]|$1|L|3|M|5|G|7|19|8|@]|9|@]|A|$]]|$1|N|3|O|5|G|7|1A|8|@]|9|@]|A|$]]|$1|P|3|Q|5|D|7|1B|8|@]|9|@]|A|$]]|$1|R|3|S|5|G|7|1C|8|@]|9|@]|A|$]]|$1|T|3|U|5|G|7|1D|8|@]|9|@]|A|$]]|$1|V|3|W|5|G|7|1E|8|@]|9|@]|A|$]]|$1|X|3|Y|5|G|7|1F|8|@]|9|@]|A|$]]|$1|Z|3|10|5|G|7|1G|8|@]|9|@]|A|$]]|$1|11|3|12|5|6|7|1H|8|@]|9|@]|A|$]]]|13|$]]

From personal experience, the majority is inputs or features for X and outputs or labels for Y. Nonetheless, other terms are also common mostly depending on the person's background (some you have already listed).
X:
<ul>
<li>Inputs</li>
<li>Features</li>
<li>Feature Vector</li>
<li>Independent/Explanatory/Exogenous variables</li>
<li>Predictor variables</li>
</ul>
Y:
<ul>
<li>Outputs</li>
<li>Labels (known outcomes)</li>
<li>Dependent/Explained/Predicted variable</li>
<li>Outcome</li>
<li>Target</li>
</ul>
Plus, be aware of that target and labels don't always mean the same thing: for some labels represent the known outcomes for the target variable, which means that some inputs may not have a label associated to them (cf. unsupervised/semi-supervised learning).

I am from CS background and moving towards Data Sciences, I have came to know ML is highly influenced by Statistical Inference/signal processing. The X we use in data science is called input, feature set or independent variables and Y is called target, class, label. What do you call it? Are they different in market and field among practitioners?

X, Y names in data-science

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我来自CS背景，正在向数据科学发展，我认识到ML受到统计推断/信号处理的影响很大。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、标签。这叫什么？从业者在市场和领域上是否有差异？

问数据科学中的X，Y名
EN

回答 2

Data Science用户

Data Science用户

X

Y

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问数据科学中的X，Y名EN

回答 2

Data Science用户

Data Science用户

X

Y

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问数据科学中的X，Y名
EN