机器学习从业者需要花更多的时间来评估、清理和转换数据 而不是构建模型。 数据非常重要，因此在本课程中，我们用三个完整的单元来讨论该主题：
- 使用数值数据（此单位）
- 使用分类数据
- 数据集、泛化和过拟合
本单元着重介绍 数值数据、 表示整数或浮点值 其行为方式与数字类似的函数。也就是说，它们是可累加的、可数的、有序的， 依此类推。下一个单元将重点介绍 分类数据， 其中包含类似于类别的数字。第三单元重点介绍如何 准备数据，确保在训练和评估时获得高质量结果 模型。
数值数据的示例包括：
- 温度
- 重量
- 自然保护区的鹿数量
相比之下，美国的邮政编码虽然 五位或九位数字，不要表现得像数字，也不代表 数学关系。邮政编码 40004（位于肯塔基州纳尔逊县）是 而不是华盛顿特区邮政编码 20002 数量的两倍。这些数字 代表类别（具体而言是地理区域），并被视为 分类数据。