אפשר להכפיל נתונים מספריים אמיתיים באופן משמעותי. לדוגמה, כדאי לקחת בחשבון
שמזהה את הערך של בית על סמך השטח שלו.
חשוב לזכור שמודל שימושי להערכת מחירי בתים בדרך כלל מבוסס על מאות מאפיינים. עם זאת, אם כל שאר הנתונים זהים, ערך הבית בשטח של 200 מטר רבוע צריך להיות כפול בערך מערך הבית הזהה בשטח של 100 מטר רבוע.
לעיתים קרובות יש לייצג תכונות שמכילות ערכים של מספרים שלמים
נתונים קטגוריים במקום נתונים מספריים. לדוגמה, נניח שיש מאפיין של מיקוד שבו הערכים הם מספרים שלמים. אם אתם מייצגים
מבחינה מספרית ולא באופן קטגורי, צריך לשאול את המודל
כדי למצוא קשר מספרי
בין מספרי מיקוד שונים. כלומר, אתם אומרים למודל
להתייחס למיקוד 20004 כאל אות גדול פי שניים (או חצי) כמו של מיקוד
10002. ייצוג של מספרי מיקוד כנתונים קטגוריים מאפשר למודל לתת משקל לכל מספר מיקוד בנפרד.
קידוד
קידוד הוא המרה של נתונים קטגוריאליים או נתונים אחרים לווקטורים מספריים שאפשר לאמן עליהם מודל. ההמרה הזו נדרשת כי אפשר לאמן מודלים רק על ערכים של נקודה צפה. אי אפשר לאמן מודלים על מחרוזות כמו "dog" או "maple". במודול הזה מוסבר על שיטות קידוד שונות לנתונים קטגוריאליים.
[[["התוכן קל להבנה","easyToUnderstand","thumb-up"],["התוכן עזר לי לפתור בעיה","solvedMyProblem","thumb-up"],["סיבה אחרת","otherUp","thumb-up"]],[["חסרים לי מידע או פרטים","missingTheInformationINeed","thumb-down"],["התוכן מורכב מדי או עם יותר מדי שלבים","tooComplicatedTooManySteps","thumb-down"],["התוכן לא עדכני","outOfDate","thumb-down"],["בעיה בתרגום","translationIssue","thumb-down"],["בעיה בדוגמאות/בקוד","samplesCodeIssue","thumb-down"],["סיבה אחרת","otherDown","thumb-down"]],["עדכון אחרון: 2025-07-27 (שעון UTC)."],[[["This module focuses on differentiating between categorical and numerical data within machine learning."],["You will learn how to represent categorical data using one-hot vectors and address common issues associated with it."],["The module covers encoding techniques for converting categorical data into numerical vectors suitable for model training."],["Feature crosses, a method for combining categorical features to capture interactions, are also discussed."],["It is assumed you have prior knowledge of introductory machine learning and working with numerical data."]]],[]]
