Summary  
This chapter explains the main data types used in feature engineering—numerical, categorical (ordinal vs. nominal), and date/time—and describes how to convert non-numerical types into numerical values by extracting date components or encoding categories.  

General domain of usage  
Machine learning data preprocessing

Elke kolom (feature) in een trainingsset heeft een bijbehorend gegevenstype. Deze gegevenstypen kunnen worden gegroepeerd in **numeriek**, **categorisch** en **datum en(of) tijd**.

De meeste ML-algoritmen presteren alleen goed met **numerieke gegevens**, dus categorische en datum/tijd-waarden moeten worden omgezet naar getallen.

Voor datum en tijd kunnen kenmerken zoals `'year'`, `'month'` en vergelijkbare worden geëxtraheerd, afhankelijk van de taak. Dit zijn al **numerieke waarden**, dus deze kunnen direct worden gebruikt.


Categorische gegevens zijn iets lastiger om mee om te gaan.

## Typen categorische gegevens

Categorische gegevens worden onderverdeeld in twee typen:

- **Ordinale gegevens** zijn een type categorische gegevens waarbij de categorieën een natuurlijke volgorde hebben. Bijvoorbeeld, opleidingsniveau (van basisschool tot Ph.D.) of beoordelingen (van zeer slecht tot zeer goed), enzovoort;

- **Nominale gegevens** zijn een type categorische gegevens zonder natuurlijke volgorde. Bijvoorbeeld, naam, geslacht, land van herkomst, enzovoort.

Het omzetten van ordinale en nominale gegevenstypen naar numerieke waarden vereist verschillende benaderingen, dus ze moeten afzonderlijk worden behandeld.


Er zijn betere methoden om datums om te zetten naar numerieke waarden die buiten de scope van deze inleidende cursus vallen. Bijvoorbeeld, als alleen de `'month'`-eigenschap wordt gebruikt, wordt niet meegenomen dat de **12e** maand eigenlijk dichter bij de **1e** ligt dan bij de **9e**.

Meer leren

Machine learning wordt tegenwoordig overal toegepast. Wil je het zelf leren? Deze cursus is een introductie tot de wereld van machine learning waarin je basisconcepten leert, werkt met Scikit-learn – de populairste bibliotheek voor ML – en je eerste machine learning-project bouwt.
Deze cursus is bedoeld voor studenten met basiskennis van Python, Pandas en Numpy.

Leer de concepten van machine learning en de workflow van een ML-project.

Preprocessing is waarschijnlijk de belangrijkste fase van een ML-project. Dit hoofdstuk behandelt de preprocessing-stappen die nodig zijn voor vrijwel elke dataset.

Een pipeline is een overzichtelijke manier om alle preprocessingsstappen en een model te combineren. Pipelines maken het veel eenvoudiger om een model te trainen en te gebruiken.

Modellering is de meest interessante fase van een ML-project. Leer het model opbouwen, verfijnen en evalueren!

Typen Gegevens

Typen categorische gegevens

Typen Gegevens

Typen categorische gegevens