العمل مع البيانات الفئوية

تحتوي البيانات الفئوية على مجموعة محدّدة من القيم المحتملة. على سبيل المثال:

  • أنواع مختلفة من الحيوانات في متنزه وطني
  • أسماء الشوارع في مدينة معينة
  • ما إذا كانت الرسالة الإلكترونية رسالة غير مرغوب فيها
  • الألوان التي يتم طلاء التصميمات الخارجية فيها
  • الأرقام المرفقة، الموضحة في العمل باستخدام الأعداد الرقمية وحدة البيانات

يمكن أن تكون الأرقام أيضًا بيانات تصنيفية.

يمكن ضرب البيانات الرقمية الصحيحة بشكلٍ ذي مغزى. على سبيل المثال، ضع في اعتبارك يتنبأ بقيمة أي منزل بناءً على مساحته. يُرجى العِلم أنّ النموذج المفيد لتقييم أسعار المنازل يعتمد عادةً على مئات السمات. ومع ذلك، مع تساوى جميع الأمور الأخرى، من المفترض أن يكون سعر منزل مساحته 200 متر تقريبًا ضعف سعر منزل مماثل مساحته 100 متر.

في كثير من الأحيان، يجب تمثيل العناصر التي تحتوي على قيم صحيحة على أنّها بيانات تصنيفية بدلاً من بيانات رقمية. على سبيل المثال، ضع في الاعتبار الرمز البريدي ميزة التعليمات البرمجية التي تكون فيها القيم أعدادًا صحيحة. إذا تمثّلت هذه السمة رقميًا بدلاً من تصنيفها، يعني ذلك أنّك تطلب من النموذج العثور على علاقة رقمية بين الرموز البريدية المختلفة. وهذا يعني أنّك تطلب من النموذج التعامل مع الرمز البريدي 20004 على أنّه إشارة أكبر مرتين (أو نصف) من الرمز البريدي 10002. من خلال تمثيل الرموز البريدية كبيانات تصنيفية، يمكن للنموذج تحديد تقييم لكل رمز بريدي فردي بشكل منفصل.

الترميز

التشفير يعني تحويل البيانات الفئوية أو غيرها إلى متجهات رقمية يمكن للنموذج التدريب عليها. هذه العملية ضرورية لأنّه لا يمكن تدريب النماذج سوى على قيم الكسور العشرية، ولا يمكن تدريبها على سلاسل مثل "dog" أو "maple". توضّح هذه الوحدة METHODS مختلفًا لترميز البيانات الفئوية.