Что такое категориальные признаки? Понимаем вещественные признаки в машинном обучении

Категориальные и вещественные признаки - это основные типы данных, которые используются в машинном обучении для описания характеристик объектов. Понимание разницы между этими типами признаков критически важно для правильного построения моделей машинного обучения.


• Категориальные признаки:
Категориальные признаки представляют собой набор значений, которые могут принимать конечное количество категорий или классов. Эти признаки обычно не имеют порядка между собой, они просто относят объекты к определенным группам или категориям.

Примеры категориальных признаков:


• Цвет: красный, синий, зеленый.
• Тип животного: собака, кошка, птица.
• Марка автомобиля: Toyota, BMW, Ford.
<ol start="2">
• Вещественные признаки:
Вещественные признаки, также известные как количественные признаки или числовые признаки, представляют собой значения, которые находятся на непрерывной числовой шкале. Эти признаки могут быть измерены и имеют смысл в контексте их величины.

Примеры вещественных признаков:


• Возраст: 25 лет, 30 лет, 40 лет.
• Вес: 60 кг, 70 кг, 80 кг.
• Доход: $50000, $60000, $70000.
Пример:

Рассмотрим набор данных о клиентах банка, который включает в себя различные признаки, в том числе категориальные и вещественные. Некоторые из признаков могут быть следующими:


• Имя (категориальный признак): Мария, Иван, Анна.
• Возраст (вещественный признак): 30 лет, 45 лет, 55 лет.
• Доход (вещественный признак): $50000, $75000, $100000.
• Образование (категориальный признак): Высшее, Среднее, Неполное среднее.
• Семейное положение (категориальный признак): Женат/Замужем, Холост/Не замужем, Разведен/Разведена.
В этом примере, "Имя", "Образование" и "Семейное положение" являются категориальными признаками, так как они представляют собой категории или классы, в то время как "Возраст" и "Доход" являются вещественными признаками, так как они представляют собой числовые значения на непрерывной шкале.