Какие бывают признаки?

Вступление

Добро пожаловать на уже третий урок из цикла "Как обучать машины, если у вас лапки?". Сегодня рассмотрим два основных типа признаков, с которыми мы чаще всего будем сталкиваться в табличных данных, а в следующей части урока обсудим какие бывают задачи в МО.

Что там по признакам?

На прошлом уроке мы узнали, что признаки (они же фичи от англ. feature) это различные характеристики объекта, на основе которых наша модель и создаёт предсказание. Но признаков существует огромное количество, и удобно было бы их как-то категоризировать. Этим и займёмся.

Вернёмся к примеру из прошлого урока про дома в Калифорнии:

Часть значений в ней представлена числами, а часть - словами. При этом слова в ней обозначают некоторые категории, получаем основное разделение:

• ЧИСЛОВЫЕ ПРИЗНАКИ - это характеристики объекта, представленные числами. Например: длина, ширина, вес, цена, возраст и т. д. Числовые признаки могут быть непрерывными и дискретными. Непрерывные признаки могут принимать любое значение из некоторого диапазона: например, вес может быть 67 кг, 67.1 кг, 67.13 кг и т. д. Дискретные же признаки принимают отдельные значения: например, число этажей дома может быть 1, 2, 3, ..., но не 2.37 этажа.

• КАТЕГОРИАЛЬНЫЕ ПРИЗНАКИ - это любой тип данных, который использует категории или состояния, такие как "муж/жен", "кошка/собака/птица" и пр. Для таких фич у нас конечный набор значений, которые можно сопоставить обучающим объектам. Важно также отметить, что категориальные фичи могут быть порядковыми и непорядковыми (номинальными). Например, у футболки может быть сетка размеров "S/M/L". Это категориальный признак, но он показывает конкретную иерархию. В будущем мы ещё намучаемся с обработкой категориальных признаков в коде, ведь наша модель - математикческая функция, на вход она может принимать только числа, поэтому нам придётся вручную обрабатывать такие данные, чтобы привести их к виду, понятному машине. (Кроме CatBoost :) CatBoost умеет сам работать с категориальными фичами и нам не потребуется никаких лишних дейтсвий)

Заключение

Я решил иногда делить уроки на части, чтобы обеспечить стабильный график их выхода и не мучать читателей километровыми стенами текста. Спасибо за внимание! Если увидите неточность или ошибку, пишите в комментариях об этом.