Datatyper
Varje kolumn (funktion) i en träningsuppsättning har en tillhörande datatyp. Dessa datatyper kan grupperas i numeriska, kategoriska och datum och/eller tid.
De flesta ML-algoritmer fungerar bra endast med numerisk data, så kategoriska och datum/tid-värden behöver omvandlas till siffror.
För datum och tid kan egenskaper som 'year', 'month' och liknande extraheras, beroende på uppgiften. Dessa är redan numeriska värden, så de kan användas direkt.
Kategorisk data är något mer utmanande att hantera.
Typer av kategoriska data
Kategoriska data delas in i två typer:
-
Ordinal data är en typ av kategoriska data där kategorierna följer en naturlig ordning. Till exempel utbildningsnivå (från grundskola till doktorsexamen) eller betyg (från mycket dåligt till mycket bra), etc.
-
Nominal data är en typ av kategoriska data som inte följer någon naturlig ordning. Till exempel namn, kön, ursprungsland, etc.
Att konvertera ordinala och nominala datatyper till numeriska värden kräver olika tillvägagångssätt, så de måste hanteras separat.
Det finns bättre sätt att konvertera datum till numeriska värden som ligger utanför denna introduktionskurs. Till exempel, om vi bara använder egenskapen 'month', tar det inte hänsyn till att 12:e månaden faktiskt är närmare 1:a än 9:e.
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Fantastiskt!
Completion betyg förbättrat till 4.55Datatyper
Svep för att visa menyn
Varje kolumn (funktion) i en träningsuppsättning har en tillhörande datatyp. Dessa datatyper kan grupperas i numeriska, kategoriska och datum och/eller tid.
De flesta ML-algoritmer fungerar bra endast med numerisk data, så kategoriska och datum/tid-värden behöver omvandlas till siffror.
För datum och tid kan egenskaper som 'year', 'month' och liknande extraheras, beroende på uppgiften. Dessa är redan numeriska värden, så de kan användas direkt.
Kategorisk data är något mer utmanande att hantera.
Typer av kategoriska data
Kategoriska data delas in i två typer:
-
Ordinal data är en typ av kategoriska data där kategorierna följer en naturlig ordning. Till exempel utbildningsnivå (från grundskola till doktorsexamen) eller betyg (från mycket dåligt till mycket bra), etc.
-
Nominal data är en typ av kategoriska data som inte följer någon naturlig ordning. Till exempel namn, kön, ursprungsland, etc.
Att konvertera ordinala och nominala datatyper till numeriska värden kräver olika tillvägagångssätt, så de måste hanteras separat.
Det finns bättre sätt att konvertera datum till numeriska värden som ligger utanför denna introduktionskurs. Till exempel, om vi bara använder egenskapen 'month', tar det inte hänsyn till att 12:e månaden faktiskt är närmare 1:a än 9:e.
Tack för dina kommentarer!
