بيانات رقمية صحيحة
ويمكن ضربه بشكل هادف. على سبيل المثال، ضع في اعتبارك
يتنبأ بقيمة أي منزل بناءً على مساحته.
تجدر الإشارة إلى أنّ النموذج المفيد لتقييم أسعار المنازل يعتمد عادةً على
مئات الميزات. ومع ذلك، في حال تساوى جميع الأمور الأخرى، سيكون منزلاً من 200 مربع
أن يكون حجم المنزل المتماثل 100 متر مربع تقريبًا
متر.
في كثير من الأحيان، يجب عليك تمثيل الميزات التي تحتوي على قيم أعداد صحيحة مثل
بيانات فئوية بدلاً من البيانات الرقمية. على سبيل المثال، ضع في الاعتبار الرمز البريدي
ميزة التعليمات البرمجية التي تكون فيها القيم أعدادً صحيحة. إذا كنت تمثّل هذه الجهة
رقميًا وليس بشكل فئوي، فأنت تسأل النموذج
لإيجاد علاقة رقمية
بين الرموز البريدية المختلفة. أي أنك تخبر النموذج
التعامل مع الرمز البريدي 20004 كضعف (أو نصف) حجم الإشارة كرمز بريدي
10002. وعند تمثيل الرموز البريدية كبيانات فئوية، يتيح النموذج
الوزن لكل رمز بريدي فردي على حدة.
الترميز
يعني الترميز تحويل البيانات الفئوية أو البيانات الأخرى إلى متجهات رقمية.
التي يمكن أن يتدرب عليها النموذج. وتُعدّ هذه الإحالة الناجحة ضرورية لأنّ النماذج
التدرّب على قيم النقاط العائمة فقط فلا يمكن أن تتدرب النماذج على سلاسل مثل
"dog" أو "maple" تشرح هذه الوحدة أساليب
وأساليب تشفير البيانات الفئوية.
تاريخ التعديل الأخير: 2024-08-13 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2024-08-13 (حسب التوقيت العالمي المتفَّق عليه)"],[[["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."]]],[]]
