Кожен стовпець (ознака) у навчальному наборі має пов'язаний із ним тип даних. Ці типи даних можна згрупувати у числові, категоріальні та дату й(або) час.

На жаль, більшість алгоритмів машинного навчання добре працюють лише з числами. Тому необхідно знайти спосіб перетворення категоріальних даних і даних дати та часу на числа.

Щодо дати та часу, можна використовувати ознаки на кшталт 'year', 'month' тощо, залежно від завдання. Ці ознаки є числовими значеннями, тому з ними не виникає проблем.

З категоріальними даними працювати дещо складніше.

Типи категоріальних даних

Категоріальні дані поділяються на два типи:

• Порядкові дані — це тип категоріальних даних, у яких категорії мають природний порядок. Наприклад, рівень освіти (від початкової школи до Ph.D.) або оцінки (від дуже погано до дуже добре) тощо;

• Номінативні дані — це тип категоріальних даних, які не мають природного порядку. Наприклад, ім'я, стать, країна походження тощо.

Як ви побачите у наступних розділах, перетворення порядкових і номінативних типів даних на числові значення відрізняється, тому їх потрібно розділяти.