データの種類

トレーニングセット内の各列（特徴量）には、それぞれデータ型が関連付けられています。これらのデータ型は、数値型、カテゴリ型、および日付・時刻型に分類されます。

ほとんどの機械学習アルゴリズムは数値データでのみ良好に動作するため、カテゴリ型や日付・時刻型の値は数値に変換する必要があります。

日付や時刻の場合、タスクに応じて 'year'、'month' などの特徴量を抽出できます。これらはすでに数値型の値であるため、そのまま利用できます。

カテゴリカルデータは、扱うのがやや難しい。

カテゴリカルデータの種類

カテゴリカルデータは2種類に分類される：

• 順序データ（Ordinal data） は、カテゴリに自然な順序があるタイプのカテゴリカルデータ。例：教育レベル（小学校から博士号まで）、評価（非常に悪いから非常に良いまで）など。

• 名義データ（Nominal data） は、カテゴリに自然な順序がないタイプのカテゴリカルデータ。例：名前、性別、出身国など。

順序型データと名義型データを数値に変換するには異なる手法が必要であり、それぞれ別々に扱う必要がある。