# Kodowanie kategorialne

Większość algorytmów uczenia maszynowego wymaga, aby zmienne były liczbowe. Ponieważ wartość kategorialna nie ma wyraźnie mierzalnej relacji z innymi wartościami w tej samej kolumnie, musi najpierw zostać przekonwertowana na reprezentację liczbową, która ma być mierzona matematycznie. Qlik Predict używa kodowania kategorialnego do przekształcania wartości kategorialnych w kolumnach cech na wartości liczbowe zrozumiałe dla algorytmów uczenia maszynowego.

Qlik Predict wykorzystuje trzy metody kodowania: impact encoding, one-hot encoding i ordinal encoding. Metoda zastosowana w przypadku określonej cechy zależy od charakterystyki danych, liczby unikatowych wartości kategorialnych i typu eksperymentu.

* W przypadku problemów klasyfikacji i regresji:

  * W przypadku zestawów danych zawierających maksymalnie 100 kolumn:

    * Cechy kategorialne z maksymalnie 13 unikatowymi wartościami są kodowane przy użyciu one-hot encoding.

    * Cechy kategorialne z ponad 13 unikatowymi wartościami są kodowane przy użyciu impact encoding.

  * W przypadku zestawów danych zawierających więcej niż 100 kolumn wszystkie kolumny kategorialne są kodowane przy użyciu impact encoding.

* W przypadku problemów szeregów czasowych kolumny kategorialne są kodowane przy użyciu kodowania porządkowego.

Aby sprawdzić, które cechy w zestawie danych są przetwarzane przy użyciu kodowania kategorialnego, wyświetl widok schematu podczas konfigurowania eksperymentu uczenia maszynowego. Więcej informacji zawiera temat [Konfigurowanie eksperymentów](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm).

## Jak działa kodowanie kategorialne

Powszechną techniką nadawania kategorii matematycznej reprezentacji jest kodowanie one-hot encoding. Kodowanie one-hot encoding przestawia kolumnę kategorialną, tworząc n kolumn, gdzie n jest równe liczbie unikatowych wartości w kolumnie. Liczba 1 jest przypisywana do odpowiedniej kolumny dla każdego wiersza, a 0 do pozostałych kolumn, które zostały wygenerowane dla kategorii. Kodowanie kategorialne umożliwia ocenę każdej unikatowej zmiennej niezależnie od innych, w przeciwieństwie do wartości liczbowej, która jest oceniana w kategoriach względnych w stosunku do innych wartości w kolumnie.

Przykład w tabeli pokazuje, jak kolumna kategorialna MarketingSource została zakodowana metodą one-hot encoding. Rezultatem są cztery nowe kolumny — po jednej dla każdego unikatowego źródła danych marketingowych. W pierwszym wierszu Person\_1 ma źródło danych marketingowych „Facebook”. Jest to reprezentowane przez 1 w nowej kolumnie Facebook i 0 w pozostałych kolumnach.

Kodowanie kategorialne kolumny MarketingSource

Kodowanie kategorialne kolumny MarketingSource

Kodowanie kategorialne kolumny MarketingSource ![Tabela z danymi przykładowymi.](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/categorical-encoding-table-1.png)

Powiązane materiały edukacyjne:

* [Wprowadzenie do Qlik Predict](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)

## Dowiedz się więcej

* [Wprowadzenie do Qlik Predict](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)