Introduzione al Machine Learning con Python

Capitolo 4. Rappresentare i dati e le caratteristiche tecniche

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Finora abbiamo ipotizzato che i nostri dati arrivino come un array bidimensionale di numeri in virgola mobile, dove ogni colonna è una caratteristica continua che descrive i punti dei dati. Per molte applicazioni, i dati non vengono raccolti in questo modo. Un tipo di caratteristica particolarmente comune è quella categorica. Conosciute anche come caratteristiche discrete, di solito non sono numeriche. La distinzione tra caratteristiche categoriche e caratteristiche continue è analoga a quella tra classificazione e regressione, solo che riguarda l'input e non l'output. Esempi di caratteristiche continue che abbiamo visto sono la luminosità dei pixel e le dimensioni dei fiori delle piante. Esempi di caratteristiche categoriche sono la marca di un prodotto, il colore di un prodotto o il reparto (libri, abbigliamento, ferramenta) in cui viene venduto. Sono tutte proprietà che possono descrivere un prodotto, ma non variano in modo continuo. Un prodotto appartiene al reparto abbigliamento o al reparto libri. Non c'è una via di mezzo tra i libri e l'abbigliamento e non c'è un ordine naturale tra le diverse categorie (i libri non sono superiori o inferiori all'abbigliamento, la ferramenta non è compresa tra i libri e l'abbigliamento, ecc.

Indipendentemente dal tipo di caratteristiche ...