检查不同类型的数据
数据只是收集的信息的另一种说法。 可用信息的数量和质量是巨大的，跨越许多不同的信息类型。
我们可以通过多种方式对数据进行分类。 若要在机器学习空间中操作，我们必须了解可供我们使用的数据的类型和数字存储系统。
连续数据、有序数据和分类数据
对于数据操作，我们有时需要了解数据到底代表什么。 这种意识可以帮助我们选择正确的机器学习模型。 它还可以帮助我们以特定、有用的方式组织数据。
连续数据是指可以以任何数量增加或减少的数字信息。 例如，可以在 1 米的基础上加上 1 毫米，计算出的总和为 1.001 米。
分类数据是指不属于连续范围的数据。 在我们的场景中，数据将泰坦尼克号上的人分为“船员”或“乘客”。 分类数据无法以明显的方式存储为数字。
有序数据是指具有已定义顺序的分类数据，因此可以支持存储为数值。 例如，我们可以将“大”、“中”和“小”的值定义为有序数据，因为可以对它们进行数字排名：大 中 小。>> 相比之下，“苹果”、“橙子”和“椰子”的值是分类数据，因为不能对它们进行排名。 有序数据也可以指可以增减的数字，但只能按设定的数量进行增减。 例如，登船人数必须是一个整数，不可能是半个人登船。
ID 是指一种特殊的分类数据，其中每个样本都有自己的唯一 ID。 例如，在我们的泰坦尼克号数据集中，每个人都有给定的 ID 值，即使这个人与其他人同名也是如此。 标识值可帮助我们在数据集中导航，但数据分析不会直接涉及这些值。
数据类型
计算机必须存储和处理我们用于机器学习的所有数据。 虽然我们可以用铅笔将几乎所有数据都写在一张纸上，但计算机可以将信息存储为 0 和 1 组成的代码序列。 这会限制我们使用信息的方式。
数据类型是指计算机存储的数据类型。 数据类型通常具有以下类别：
- 整数：自然数，如 2。
- 浮点数：具有小数位的数字，如 2.43。
- 字符串：字母和单词。
- 布尔值：true 和 false。
- None、void 或 null：不是数据，而是指缺少数据。
这些概念的确切术语和实现因语言而异，但它们在所有计算语言中的工作方式都是类似的。
有时，两种不同的数据类型可以提供相同的功能。 例如，计算机可以将 true/false 值作为布尔值（true 或 false）、字符串（y 或 n）、整数（0 或 1）或浮点数（0.0 或 1.0）来处理。
派生数据类型
使用技术时，会遇到许多超出上述列表的基本和原始数据类型。 计算机可以存储日期、图像、3D 模型等。 我们将这些类型称为派生数据类型。 我们从一个或多个基元数据类型开始，构造派生数据类型。
通常，在机器学习中，这样做有助于将派生类型转换为更简单的表示形式。 例如，我们可以将定义的日期值（如 2017 年 1 月 1 日）存储为整数或浮点数，如 20170101。 整数或浮点数使模型背后的计算更容易。
选项太多？
了解你拥有的数据类型可帮助你选择正确的数据类型。
正确的数据类型取决于你用来运行模型的包，但通常包是比较宽松的。 一般而言：
- 若要处理连续数据，浮点数将是最佳选择。
- 有序数据通常使用整数值进行编码。
- 只涉及两个类别的分类数据通常可以编码为布尔或整数数据。 处理三个或更多类别的分类数据可能会稍微复杂一些。 别担心，下一课将介绍此主题！
在下一个练习中，我们将练习数据可视化，以便更好地理解数据本身。 在执行此操作时，请仔细记下所涉及的数据类型，并尝试识别连续、有序或分类数据类型。