يمكن ضرب البيانات الرقمية
الصحيحة بشكلٍ ذي مغزى. على سبيل المثال، ضع في اعتبارك
يتنبأ بقيمة أي منزل بناءً على مساحته.
يُرجى العِلم أنّ النموذج المفيد لتقييم أسعار المنازل يعتمد عادةً على
مئات السمات. ومع ذلك، مع تساوى جميع الأمور الأخرى، من المفترض أن يكون سعر منزل مساحته 200
متر تقريبًا ضعف سعر منزل مماثل مساحته 100
متر.
في كثير من الأحيان، يجب تمثيل العناصر التي تحتوي على قيم صحيحة على أنّها
بيانات تصنيفية بدلاً من بيانات رقمية. على سبيل المثال، ضع في الاعتبار الرمز البريدي
ميزة التعليمات البرمجية التي تكون فيها القيم أعدادًا صحيحة. إذا تمثّلت هذه
السمة رقميًا بدلاً من تصنيفها، يعني ذلك أنّك تطلب من النموذج
العثور على علاقة رقمية
بين الرموز البريدية المختلفة. وهذا يعني أنّك تطلب من النموذج
التعامل مع الرمز البريدي 20004 على أنّه إشارة أكبر مرتين (أو نصف) من الرمز البريدي
10002. من خلال تمثيل الرموز البريدية كبيانات تصنيفية، يمكن للنموذج تحديد تقييم لكل رمز بريدي فردي بشكل منفصل.
الترميز
التشفير يعني تحويل البيانات الفئوية أو غيرها إلى متجهات رقمية
يمكن للنموذج التدريب عليها. هذه العملية ضرورية لأنّه لا يمكن تدريب النماذج سوى على قيم الكسور العشرية، ولا يمكن تدريبها على سلاسل مثل
"dog" أو "maple". توضّح هذه الوحدة METHODS مختلفًا لترميز البيانات الفئوية.
تاريخ التعديل الأخير: 2025-07-27 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-07-27 (حسب التوقيت العالمي المتفَّق عليه)"],[[["\u003cp\u003eThis module focuses on differentiating between categorical and numerical data within machine learning.\u003c/p\u003e\n"],["\u003cp\u003eYou will learn how to represent categorical data using one-hot vectors and address common issues associated with it.\u003c/p\u003e\n"],["\u003cp\u003eThe module covers encoding techniques for converting categorical data into numerical vectors suitable for model training.\u003c/p\u003e\n"],["\u003cp\u003eFeature crosses, a method for combining categorical features to capture interactions, are also discussed.\u003c/p\u003e\n"],["\u003cp\u003eIt is assumed you have prior knowledge of introductory machine learning and working with numerical data.\u003c/p\u003e\n"]]],[],null,["# Working with categorical data\n\n| **Estimated module length:** 50 minutes\n| **Learning objectives**\n|\n| - Distinguish categorical data from numerical data.\n| - Represent categorical data with one-hot vectors.\n| - Address common issues with categorical data.\n| - Create feature crosses.\n| **Prerequisites:**\n|\n| This module assumes you are familiar with the concepts covered in the\n| following modules:\n|\n| - [Introduction to Machine Learning](/machine-learning/intro-to-ml)\n| - [Working with numerical data](/machine-learning/crash-course/numerical-data)\n\n[**Categorical data**](/machine-learning/glossary#categorical-data) has a\n*specific set* of possible values. For example:\n\n- The different species of animals in a national park\n- The names of streets in a particular city\n- Whether or not an email is spam\n- The colors that house exteriors are painted\n- Binned numbers, which are described in the [Working with Numerical\n Data](/machine-learning/crash-course/numerical-data) module\n\nNumbers can also be categorical data\n------------------------------------\n\nTrue [**numerical data**](/machine-learning/glossary#numerical-data)\ncan be meaningfully multiplied. For example, consider a\nmodel that predicts the value of a house based on its area.\nNote that a useful model for evaluating house prices typically relies on\nhundreds of features. That said, all else being equal, a house of 200 square\nmeters should be roughly twice as valuable as an identical house of 100 square\nmeters.\n\nOftentimes, you should represent features that contain integer values as\ncategorical data instead of numerical data. For example, consider a postal\ncode feature in which the values are integers. If you represent this\nfeature numerically rather than categorically, you're asking the model\nto find a numeric relationship\nbetween different postal codes. That is, you're telling the model to\ntreat postal code 20004 as twice (or half) as large a signal as postal code\n10002. Representing postal codes as categorical data lets the model\nweight each individual postal code separately.\n\nEncoding\n--------\n\n**Encoding** means converting categorical or other data to numerical vectors\nthat a model can train on. This conversion is necessary because models can\nonly train on floating-point values; models can't train on strings such as\n`\"dog\"` or `\"maple\"`. This module explains different\nencoding methods for categorical data.\n| **Key terms:**\n|\n| - [Categorical data](/machine-learning/glossary#categorical-data)\n- [Numerical data](/machine-learning/glossary#numerical-data) \n[Help Center](https://support.google.com/machinelearningeducation)"]]
