Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Tipi di Dati | Concetti di Machine Learning
Introduzione al ML con Scikit-Learn

bookTipi di Dati

Ogni colonna (caratteristica) in un set di addestramento ha un tipo di dato associato. Questi tipi di dati possono essere raggruppati in numerici, categorici e data e(o) ora.

Sfortunatamente, la maggior parte degli algoritmi di ML funziona bene solo con numeri. Pertanto, è necessario un metodo per convertire i dati categorici e i dati di data/ora in numeri.

Per quanto riguarda data e ora, è possibile utilizzare caratteristiche come 'year', 'month', ecc., in base al proprio compito. Queste caratteristiche sono valori numerici, quindi non presentano problemi.

I dati categorici sono un po' più complessi da gestire.

Tipi di dati categorici

I dati categorici si classificano in due tipi:

  • Dati ordinali: tipo di dati categorici in cui le categorie seguono un ordine naturale. Ad esempio, livello di istruzione (dalla scuola elementare al dottorato) o valutazioni (da molto scarso a molto buono), ecc.;

  • Dati nominali: tipo di dati categorici che non seguono alcun ordine naturale. Ad esempio, nome, genere, paese di origine, ecc.

Come vedrai nei capitoli successivi, la conversione dei dati ordinali e nominali in valori numerici è diversa, per questo motivo è necessario distinguerli.

question-icon

Abbina la caratteristica al suo tipo di dato.

Price (100, 235) –
Color (blue, orange) –

Academic grades (A, B, C, and so on) –

Click or drag`n`drop items and fill in the blanks

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 4

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Awesome!

Completion rate improved to 3.13

bookTipi di Dati

Scorri per mostrare il menu

Ogni colonna (caratteristica) in un set di addestramento ha un tipo di dato associato. Questi tipi di dati possono essere raggruppati in numerici, categorici e data e(o) ora.

Sfortunatamente, la maggior parte degli algoritmi di ML funziona bene solo con numeri. Pertanto, è necessario un metodo per convertire i dati categorici e i dati di data/ora in numeri.

Per quanto riguarda data e ora, è possibile utilizzare caratteristiche come 'year', 'month', ecc., in base al proprio compito. Queste caratteristiche sono valori numerici, quindi non presentano problemi.

I dati categorici sono un po' più complessi da gestire.

Tipi di dati categorici

I dati categorici si classificano in due tipi:

  • Dati ordinali: tipo di dati categorici in cui le categorie seguono un ordine naturale. Ad esempio, livello di istruzione (dalla scuola elementare al dottorato) o valutazioni (da molto scarso a molto buono), ecc.;

  • Dati nominali: tipo di dati categorici che non seguono alcun ordine naturale. Ad esempio, nome, genere, paese di origine, ecc.

Come vedrai nei capitoli successivi, la conversione dei dati ordinali e nominali in valori numerici è diversa, per questo motivo è necessario distinguerli.

question-icon

Abbina la caratteristica al suo tipo di dato.

Price (100, 235) –
Color (blue, orange) –

Academic grades (A, B, C, and so on) –

Click or drag`n`drop items and fill in the blanks

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 4
some-alt