Summary  
This chapter explains how to identify and convert different data types—numerical, categorical (ordinal vs. nominal), and date/time—into numerical values suitable for processing.  

General domain of usage  
Machine learning data preprocessing

Кожен стовпець (ознака) у навчальній вибірці має відповідний тип даних. Ці типи даних можна згрупувати як **числові**, **категоріальні** та **дата і(або) час**.

Більшість алгоритмів машинного навчання працюють ефективно лише з **числовими даними**, тому категоріальні та часові значення потрібно перетворювати на числа.

Для дати і часу можна виділяти такі ознаки, як `'year'`, `'month'` та подібні, залежно від завдання. Вони вже є **числовими значеннями**, тому їх можна використовувати безпосередньо.


Категоріальні дані є трохи складнішими для обробки.

## 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;

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

Перетворення порядкових та номінальних типів даних у числові значення вимагає різних підходів, тому їх потрібно обробляти окремо.


Існують кращі способи перетворення дат у числові значення, які виходять за межі цього вступного курсу. Наприклад, якщо використовувати лише ознаку `'month'`, це не враховує, що **12** місяць насправді ближчий до **1**, ніж до **9**.

Додаткове вивчення

Машинне навчання використовується всюди. Бажаєте опанувати його самостійно? Цей курс є вступом у світ машинного навчання, де ви ознайомитеся з базовими поняттями, попрацюєте з Scikit-learn – найпопулярнішою бібліотекою для машинного навчання, та створите свій перший проєкт з машинного навчання.
Курс призначений для студентів з базовими знаннями Python, Pandas та Numpy.

Ознайомлення з концепціями машинного навчання та робочим процесом проєкту ML.

Попередня обробка є, ймовірно, найважливішим етапом проєкту машинного навчання. У цьому розділі розглядаються кроки попередньої обробки, необхідні для майже будь-якого набору даних.

Конвеєр — це зручний спосіб об'єднати всі етапи попередньої обробки та модель. Конвеєри значно спрощують навчання та використання моделі.

Моделювання — це найцікавіший етап проєкту машинного навчання. Дізнаймося, як створювати, налаштовувати та оцінювати модель!

Типи Даних

Типи категоріальних даних