机器学习 - 数据类型

---

---

机器学习中的数据主要分为两种类型：数值型（定量）数据和类别型（定性）数据。**数值型数据**可以测量、计数或赋予数值，例如年龄、身高、收入等。**类别型数据**是非数值数据，可以按照有意义或无意义的顺序排列成类别，例如性别、血型等。

此外，数值型数据可以进一步分为**离散**数据和**连续**数据。类别型数据也可以分为两种类型：**名义**数据和**有序**数据。让我们详细了解机器学习中这些数据类型。

什么是机器学习中的数据？

在机器学习中，数据是一组用于训练、验证和测试机器学习模型的观察或测量值。数据在机器学习中至关重要，因为它构建准确的机器学习模型的基础。

什么是数据类型？

机器学习中使用的数据可以大致分为两种类型：

• 数值型（定量）数据
• 类别型（定性）数据

数值型（定量）数据

数值型（定量）数据是可以测量、计数或赋予数值的数据。数值型数据的例子包括年龄、身高、收入、班级学生人数、书架上的书籍数量、鞋码等。

数值型数据可以分为以下两种类型：

• 离散数据
• 连续数据

1. 离散数据

离散数据是可以计数、有限且只能取某些值的数值型数据，通常是整数。离散数据的例子包括班级学生人数、书架上的书籍数量、鞋码、池塘里鸭子的数量等。

2. 连续数据

连续数据是在指定范围内可以取任何值的数值型数据，包括分数和小数。连续数据的例子包括年龄、身高、体重、收入、时间、温度等。

什么是真零点？

真零点表示被测量的量的不存在。例如，身高、体重、年龄、开尔文温度都是具有真零点的示例。因为 0 厘米的高度代表高度的绝对不存在，0K 的温度代表没有热量。但是摄氏度（或华氏度）的温度是具有假零点的示例。

我们可以根据真零点将数值型数据分为以下两种类型：

• **区间数据** - 数据点之间间隔相等的定量数据。例如温度（华氏）、温度（摄氏）、pH 值、SAT 成绩（200-800）、信用评分（300-850）等。
• **比率数据** - 与区间数据相同，但具有真零点。例如公斤重量、学生人数、收入、速度等。

类别型（定性）数据

类别型（定性）数据可以按有意义或无意义的顺序进行分类。例如，性别、血型、头发颜色、国籍、学校成绩、教育水平、收入范围、评分等。

类别型数据可以分为以下两种类型：

• 名义数据
• 有序数据

1. 名义数据

名义数据是不能按顺序或等级排列的类别型数据。名义数据的例子包括性别、血型、头发颜色、国籍等。

2. 有序数据

有序数据是可以按特定属性排序或等级排列的类别型数据。有序数据的例子包括学校成绩、教育水平、收入范围、评分等。

数据的四个测量水平

我们可以将数据分为四个级别：名义、有序、区间和比率。这些测量级别是根据以下四个特征划分的：

• **类别** - 数据可以分类，但不能排序。
• **等级顺序** - 数据可以按照某种有意义的顺序进行分类。
• **相等差值** - 连续数据点之间的差异保持相同。
• **真零点** - 它表示被测量的量的不存在。

下表突出显示了四个测量级别与上述四个特征之间的关联。

名义数据是无意义顺序的类别型数据，而有序数据是有意义顺序的类别型数据。真零点的概念在区分区间数据和比率数据方面发挥作用。比率数据与区间数据相同，但它包括真零点。