Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Quienes practican el AA dedican mucho más tiempo a evaluar, limpiar y transformar datos que a crear modelos.
Los datos son tan importantes que este curso dedica tres unidades enteras al tema:
Esta unidad se centra en
datos numéricos,
es decir, números enteros o valores de punto flotante
que se comportan como números. Es decir, son aditivos, contables, ordenados,
etcétera. La siguiente unidad se enfoca en los
datos categóricos, que pueden
incluir números que se comportan como categorías. La tercera unidad se enfoca en cómo preparar tus datos para garantizar resultados de alta calidad cuando entrenes y evalúes tu modelo.
Estos son algunos ejemplos de datos numéricos:
Temperatura
Peso
La cantidad de ciervos que pasan el invierno en una reserva natural
Por el contrario, los códigos postales de EE.UU., a pesar de
son números de cinco o nueve dígitos, no se comportan como números ni representan
y las relaciones matemáticas. El código postal 40004 (en el condado de Nelson, Kentucky) no es el doble del código postal 20002 (en Washington, D.C.). Estos números representan categorías, específicamente áreas geográficas, y se consideran datos categóricos.
[null,null,["Última actualización: 2025-07-27 (UTC)"],[[["\u003cp\u003eThis module focuses on preparing numerical data, such as temperature or weight, for use in machine learning models.\u003c/p\u003e\n"],["\u003cp\u003eMachine learning practitioners spend significant time on data preparation tasks like cleaning and transformation.\u003c/p\u003e\n"],["\u003cp\u003eThe module covers techniques like feature scaling, outlier detection, and binning to improve data quality for model training.\u003c/p\u003e\n"],["\u003cp\u003eLearners should have a basic understanding of machine learning concepts before starting this module.\u003c/p\u003e\n"],["\u003cp\u003eCategorical data, like postal codes, will be addressed in a separate module due to its distinct characteristics and handling requirements.\u003c/p\u003e\n"]]],[],null,["# Working with numerical data\n\n| **Estimated module length:** 85 minutes\n| **Learning objectives**\n|\n| - Understand feature vectors.\n| - Explore your dataset's potential features visually and mathematically.\n| - Identify outliers.\n| - Understand four different techniques to normalize numerical data.\n| - Understand binning and develop strategies for binning numerical data.\n| - Understand the characteristics of good continuous numerical features.\n| **Prerequisites:**\n|\n| This module assumes you are familiar with the concepts covered in the\n| following module:\n|\n| - [Introduction to Machine Learning](/machine-learning/intro-to-ml)\n\nML practitioners spend far more time evaluating, cleaning, and transforming\ndata than building models.\nData is so important that this course devotes three entire units to the topic:\n\n- Working with numerical data (this unit)\n- [Working with categorical data](/machine-learning/crash-course/categorical-data)\n- [Datasets, generalization, and overfitting](/machine-learning/crash-course/overfitting)\n\nThis unit focuses on\n[**numerical data**](/machine-learning/glossary#numerical-data),\nmeaning integers or floating-point values\nthat behave like numbers. That is, they are additive, countable, ordered,\nand so on. The next unit focuses on\n[**categorical data**](/machine-learning/glossary#categorical-data), which can\ninclude numbers that behave like categories. The third unit focuses on how to\nprepare your data to ensure high-quality results when training and evaluating\nyour model.\n\nExamples of numerical data include:\n\n- Temperature\n- Weight\n- The number of deer wintering in a nature preserve\n\nIn contrast, US postal codes, despite\nbeing five-digit or nine-digit numbers, don't behave like numbers or represent\nmathematical relationships. Postal code 40004 (in Nelson County, Kentucky) is\nnot twice the quantity of postal code 20002 (in Washington, D.C.). These numbers\nrepresent categories, specifically geographic areas, and are considered\ncategorical 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)"]]
