pos , neg = (y==1).reshape(100,1) , (y==0).reshape(100,1)

这行代码是将标签 y 中值为 1 的位置，转换成一个 100 行 1 列的布尔数组 pos，值为 True 的位置即为 y 等于 1 的位置；同时将标签 y 中值为 0 的位置，转换成一个 100 行 1 列的布尔数组 neg，值为 True 的位置即为 y 等于 0 的位置。这里使用了 reshape 函数将原本的一维数组转换成了二维数组，方便后面进行矩阵运算。

相关问题

pos,neg= (y==1).reshape(m,1), (y==0).reshape(m,1)

这是一个将标签y分为正例和反例的操作，其中y是一个形状为(m,)的一维数组，m是样本数量。将y==1的位置设为True，其余位置设为False，然后reshape成一个(m,1)的二维数组，表示每个样本是正例还是反例。同理，y==0的位置设为True，其余位置设为False，然后reshape成一个(m,1)的二维数组，表示每个样本是反例还是正例。这个操作通常用于二分类问题中，将标签转换为可以输入模型的形式。

pos , neg = (y==1).reshape(100,1) , (y==0).reshape(100,1) #把y=1的样本点reshape成（100，1）的矩阵，y=0的样本点也reshape成（100，1)的矩阵 plt.scatter(X[pos[:,0],0],X[pos[:,0],1],c="r",marker="+") plt.scatter(X[neg[:,0],0],X[neg[:,0],1],marker="o",s=10) plt.xlabel("Exam 1 score") plt.ylabel("Exam 2 score") plt.legend(["Admitted","Not admitted"],loc=0)

这段代码是用来进行数据可视化的，主要是将数据集中的两种类别（y=1和y=0）分别用不同的符号和颜色标注在散点图上。其中，红色加号代表y=1，表示考生被录取，黑色圆圈代表y=0，表示考生未被录取。plt.scatter函数用于绘制散点图，X[pos[:,0],0]表示选择X中第一列中所有y=1的样本点，X[pos[:,0],1]表示选择X中第二列中所有y=1的样本点。同理，X[neg[:,0],0]和X[neg[:,0],1]分别表示选择X中第一列和第二列中所有y=0的样本点。plt.xlabel和plt.ylabel函数分别用于设置x轴和y轴的标签，plt.legend函数用于设置图例。