Livro de receitas de aprendizagem automática com Python, 2ª edição

Capítulo 5. Manipulação de dados categóricos

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

5.0 Introdução

É muitas vezes útil medir objectos não em termos da sua quantidade mas em termos de alguma qualidade. É frequente representarmos informação qualitativa em categorias como o género, as cores ou a marca do carro. No entanto, nem todos os dados categóricos são iguais. Os conjuntos de categorias sem ordenação intrínseca são chamados nominais. Exemplos de categorias nominais incluem:

• Azul, Vermelho, Verde

• Homem, Mulher

• Banana, morango, maçã

Em contrapartida, quando um conjunto de categorias tem uma ordenação natural, referimo-nos a ele como ordinal. Por exemplo:

• Baixo, Médio, Alto

• Jovem, Velho

• Concorda, Neutro, Discorda

Além disso, a informação categórica é frequentemente representada nos dados como um vetor ou coluna de cadeias de caracteres (por exemplo, "Maine", "Texas", "Delaware"). O problema é que a maioria dos algoritmos de aprendizagem automática exige que as entradas sejam valores numéricos.

O algoritmo k-nearest neighbors é um exemplo de um algoritmo que requer dados numéricos. Um dos passos do algoritmo consiste em calcular as distâncias entre as observações - muitas vezes utilizando a distância euclidiana :

$$\sqrt{{\sum }_{i=1}^n{(x_i-y_i)}^2}$$

em que $x$ e $y$ são duas observações e o subscrito $i$ denota o valor para as observações'$i$caraterística das observações. No entanto, o cálculo da ...