此页面由 Cloud Translation API 翻译。

处理数值数据

机器学习从业者需要花更多的时间来评估、清理和转换数据而不是构建模型。数据非常重要，因此在本课程中，我们用三个完整的单元来讨论该主题：

本单元着重介绍 数值数据、表示整数或浮点值其行为方式与数字类似的函数。也就是说，它们是可累加的、可数的、有序的，依此类推。下一个单元将重点介绍 分类数据，其中包含类似于类别的数字。第三单元重点介绍如何准备数据，确保在训练和评估时获得高质量结果模型。

数值数据的示例包括：

相比之下，美国的邮政编码虽然五位或九位数字，不要表现得像数字，也不代表数学关系。邮政编码 40004（位于肯塔基州纳尔逊县）是而不是华盛顿特区邮政编码 20002 数量的两倍。这些数字代表类别（具体而言是地理区域），并被视为分类数据。