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.