总结
我们已经介绍了很多内容。 我们来回顾一些关键信息。
什么是数据类别？
数据属于多个概念类别。 最常见的值包括：
- 连续数据 (数字)。
- 没有顺序的分类数据。
- 有序数据，可视为数字或有序类别。
计算机将数据存储为不同的类型，我们通常尝试将数据类型与特定数据相匹配。 例如，若要存储连续数据，浮点数的效果最好，因为浮点数允许存储分数。 相比之下，分类数据通常以字符串（文本）的形式出现，必须将其转换为独热向量才能使计算机正确理解它们。
什么是好的数据集？
我们了解到，在以下情况下，数据集是有用的：
- 它包含相关信息。
- 已完成。
- 能够很好地代表总体 (现实)。
如果必须处理不完整的数据，我们可以采取措施来确保不完整的数据不会导致重大问题。 这样做时，必须避免引入新问题，例如，做出使数据不再具有代表性的更改。
思考数据
我们展示了数据可视化如何有助于了解模型中可能有用的内容。 使用不同类型的图形、颜色等可能会很有趣，并会使复杂信息更加直观。
我们了解到，了解数据使我们可以更好地做出有关模型的决策。 在最后一个练习中，我们改进了模型，因为我们探索了泰坦尼克号的船舱数量，并考虑了这些信息如何为我们提供帮助。 然而，总的来说，我们发现可以通过简化为九个甲板标签来改进这一点。