Dữ liệu danh mục có tập hợp cụ thể các giá trị có thể có. Ví dụ:
- Nhiều loài động vật trong vườn quốc gia
- Tên đường phố trong một thành phố cụ thể
- Email có phải là thư rác hay không
- Màu sắc ngoại thất nhà
- Số liên kết, được mô tả trong phần Làm việc với số Mô-đun Dữ liệu
Số cũng có thể là dữ liệu phân loại
Dữ liệu số đúng có thể được nhân lên đáng kể. Ví dụ: hãy cân nhắc là mô hình dự đoán giá trị của một ngôi nhà dựa trên diện tích của nó. Xin lưu ý rằng mô hình hữu ích để đánh giá giá nhà thường dựa vào hàng trăm tính năng. Điều đó có nghĩa là tất cả những yếu tố khác đều bình đẳng, một ngôi nhà có diện tích 200 mét vuông mét sẽ có giá trị gần gấp đôi so với một ngôi nhà rộng 100 mét vuông mét.
Thông thường, bạn nên biểu thị các đối tượng chứa giá trị số nguyên như dữ liệu phân loại thay vì dữ liệu số. Ví dụ: hãy xem xét mã bưu chính tính năng mã trong đó giá trị là số nguyên. Nếu bạn đại diện cho điều này tính năng này bằng số thay vì phân loại, bạn đang yêu cầu mô hình để tìm mối quan hệ số học giữa các mã bưu chính khác nhau. Điều này có nghĩa là bạn đang yêu cầu mô hình coi mã bưu chính 20004 lớn gấp đôi (hoặc một nửa) tín hiệu lớn so với mã bưu chính 10002. Việc biểu thị mã bưu chính dưới dạng dữ liệu phân loại cho phép mô hình này trọng lượng riêng từng mã bưu chính.
Mã hoá
Mã hoá nghĩa là chuyển đổi dữ liệu phân loại hoặc dữ liệu khác thành vectơ số
mà một mô hình có thể huấn luyện dựa trên đó. Việc chuyển đổi này là cần thiết vì các mô hình có thể
chỉ huấn luyện trên các giá trị dấu phẩy động; các mô hình không thể huấn luyện trên các chuỗi như
"dog" hoặc "maple". Mô-đun này giải thích
cho dữ liệu phân loại.