在机器学习中，模型通常不是直接接收“房子”“邮件”“图像”这样的现实对象，而是接收一种更抽象、更统一的数据表示形式：输入部分记为 X，输出目标记为 y。在 Scikit-learn 中，这几乎是最基本、最频繁出现的接口约定：监督学习模型通常通过 fit(X, y) 进行训练，其中 X 保存样本的特征表示，y 保存对应的目标值或类别标签。
一、什么是特征矩阵
特征矩阵（Feature Matrix）通常记为 X，它表示模型的输入数据整体。其最常见形式是一个二维数组或矩阵（通常用 NumPy 数组或 Pandas 的 DataFrame 来表示）。其中：
• 每一行表示一个样本（sample）
• 每一列表示一个特征（feature）
图 1 特征矩阵的基本结构
X 的典型尺寸可写作 (n_samples, n_features)。
比如，在 Scikit-learn 内置的鸢尾花数据集中：
• 有 150 个样本
• 每个样本有 4 个特征，分别表示花萼长度（sepal length）、花萼宽度（sepal width）、花瓣长度（petal length）、花瓣宽度（petal width）
那么 X 的形状就是 (150, 4)。这正表明 X 是一个 n_samples × n_features 的数组。
要注意的是，模型通过 X 看到的是样本的特征表示，而不是现实对象本身。真正进入模型的，是对象经过抽象、提取和整理之后形成的特征矩阵。
因此，预处理与特征提取的目标，本质上就是把原始数据转换为适合下游估计器使用的样本矩阵 X。
二、什么是目标变量
目标变量（Target）通常记为 y，它表示监督学习中每个样本对应的目标结果。
在最典型的单输出监督学习问题中，y 往往是一维数组，通常用一维的 NumPy 数组或 Pandas 的 Series 表示，因此也常被称为“目标向量”（Target Vector）。例如：
• 在房价预测中，y 保存每套房屋的价格
• 在垃圾邮件识别中，y 保存每封邮件的类别标签
• 在手写数字识别中，y 保存每张图像对应的数字类别
如果 X 的形状是 (n_samples, n_features)，那么 y 的形状通常就是 (n_samples,)，它的长度与样本数一致。
比如，在 Scikit-learn 的鸢尾花数据集中：
• y 是一个长度为 150 的一维数组
• 每个元素取值：0、1 或 2
要注意的是，y 存储的是类别索引，而不是字符串名称。可以通过 iris.target_names[y] 将索引映射为对应类别名称。
图 2 鸢尾花数据集中的 y 值与对应类别名称
在分类任务中，目标变量里的值通常就是类别标签，因此 y 也常被理解为标签集合。在回归任务中，y 则通常是连续数值目标。
也就是说，“目标变量”是更一般的叫法；在单输出监督学习中，y 常表现为一维数组，此时也常称为“目标向量”。而“标签”更多用于分类场景。
三、特征矩阵与目标变量的对应关系
1、一一对应是最重要的约束
在监督学习中，X 和 y 最重要的关系就是：它们必须按样本一一对应。
图 3 目标变量与样本的一一对应关系
也就是说，X 的第 1 行对应 y 的第 1 个值，X 的第 2 行对应 y 的第 2 个值，依此类推。
如果 X 与 y 之间的一一对应关系被打乱，那么模型学到的就不再是“输入与正确输出之间的关系”，而会变成混乱的配对。此时训练结果即使能运行，也没有真实意义。
图 4 监督学习中 X 与 y 的共同作用
因此，数据划分、打乱顺序、交叉验证等操作之所以必须同时作用于 X 和 y，正是为了保证这种对应关系不被破坏。
需要特别说明的是，在无监督学习中，通常只有 X，没有监督意义上的 y。例如聚类任务只需要样本特征矩阵，目标是从 X 自身中发现潜在结构。
四、Python 示例：用鸢尾花数据集查看 X 与 y
下面用 Scikit-learn 自带的鸢尾花数据集来直观展示特征矩阵与目标变量。
像 load_iris() 这样的数据集加载函数，默认返回一个类似字典的 Bunch 对象；其中 .data 保存输入矩阵，.target 保存监督任务中的目标变量。
import pandas as pdfrom sklearn.datasets import load_iris # 1. 加载鸢尾花数据集iris = load_iris() X = iris.datay = iris.target # 2. 查看形状print("X 的形状：", X.shape)print("y 的形状：", y.shape) # 3. 转为 DataFrame 方便观察df_X = pd.DataFrame(X, columns=iris.feature_names)df_y = pd.Series(y, name="目标标签") print("\nX 的前 5 行：")print(df_X.head()) print("\ny 的前 5 个值：")print(df_y.head()) print("\n类别名称：", iris.target_names)运行这段代码后，通常会看到：
• X.shape 是 (150, 4)，表示 150 个样本、4 个特征
• y.shape 是 (150,)，表示每个样本有一个对应目标
• X 的前几行是一组组样本特征
• y 的前几个值是这些样本的类别编号
这说明，在监督学习里，X 和 y 的关系可以非常明确地理解为：
• X 负责描述样本
• y 负责提供这些样本对应的目标结果
五、Python 示例：用散点图直观看到 X 与 y 的关系
下面进一步把 X 的前两个特征取出来画成二维散点图，并根据 y 的类别对样本进行分组绘制。这样可以直观看到：一个样本在特征空间中的位置，由 X 决定；而它属于哪一类，由 y 决定。
import matplotlib.pyplot as plt# Windows 常用plt.rcParams["font.sans-serif"] = ["Microsoft YaHei"]# macOS 常用# plt.rcParams["font.sans-serif"] = ["PingFang SC"]# 解决负号显示问题plt.rcParams["axes.unicode_minus"] = False from sklearn.datasets import load_iris # 1. 加载鸢尾花数据集iris = load_iris()X = iris.datay = iris.target # 2. 取前两个特征x1 = X[:, 0] # 第一个特征：花萼长度x2 = X[:, 1] # 第二个特征：花萼宽度 # 3. 绘图plt.figure(figsize=(8, 5))for class_id, class_name in enumerate(iris.target_names): plt.scatter( x1[y == class_id], x2[y == class_id], label=class_name # 为图例设置当前类别的名称 ) plt.xlabel(iris.feature_names[0])plt.ylabel(iris.feature_names[1])plt.title("特征矩阵 X 与目标变量 y 的关系示意图")plt.legend() # 显示图例plt.show()输出示意图：
在这张图中，三个类别的样本会以不同颜色分组显示：
• 每个点对应 X 中的一行样本
• 横轴与纵轴分别对应 X 中的两个特征列
• 点所属的类别由 y 决定
这说明，X 和 y 虽然在代码中是两个独立对象，但它们共同描述的是同一批样本：X 负责“样本具有什么特征”，y 负责“样本对应什么目标”。
六、监督学习流程为何始终围绕 X 与 y 展开
1、训练阶段
在 Scikit-learn 中，几乎所有监督学习估计器都围绕 fit(X, y) 进行训练。
这意味着，训练阶段的本质就是：给模型输入一批样本特征 X，再告诉它这些样本的目标 y，让它学习两者之间的关系。
2、划分阶段
像 train_test_split(X, y, ...) 这样的函数之所以同时拆分 X 和 y，就是为了保持样本与目标之间的一一对应关系。
3、评估阶段
在评估时，常见做法是：
• 用模型对 X_test 做预测
• 再把预测结果与 y_test 进行比较
这再次说明，监督学习的整个流程始终围绕“输入矩阵 X”与“目标变量 y”展开。
七、常见误解与澄清
1、误以为 X 一定是 Pandas DataFrame
不是。
在 Scikit-learn 中，X 可以是 NumPy 数组、Pandas DataFrame、稀疏矩阵等多种 array-like 结构，只要满足接口要求即可。
2、误以为 y 只能是分类标签
不是。
在分类任务中，y 常常是类别标签；在回归任务中，y 可以是连续数值。更一般地说，y 表示监督学习中的目标变量。
3、误以为 X 的列数越多越好
不是。
特征数更多并不自动意味着信息更多。冗余特征、噪声特征甚至可能增加计算开销、降低模型效果，因此才会有特征选择（feature selection）与降维（dimensionality reduction）等后续步骤。
4、误以为 y 在无监督学习中也总是存在
不是。
许多无监督学习方法只需要 X，不需要监督目标 y。这也是监督学习与无监督学习最基础的接口差异之一。
📘 小结
特征矩阵 X 是监督学习中的输入结构，目标变量 y 是与样本一一对应的输出结果。理解这两个对象，实质上就是理解机器学习如何以统一的数据接口组织训练、划分与评估流程。
“点赞有美意，赞赏是鼓励”
