# Kategorisk kodning

De flesta algoritmer för maskininlärning kräver att variablerna är numeriska. Eftersom ett kategoriskt värde inte har ett klart mätbart förhållande till de andra värdena i samma kolumn måste det först omvandlas till en numerisk representation som kan mätas med hjälp av matematik. Qlik Predict använder kategorisk kodning för att omvandla kategoriska värden i funktionskolumner till numeriska värden som algoritmer för maskininlärning kan förstå.

Qlik Predict använder tre kodningsmetoder: effektkodning, one-hot-kodning och ordinalkodning. Vilken metod som används för en viss funktion beror på dataegenskaperna, antalet unika kategoriska värden och experimenttypen.

* För klassificerings- och regressionsproblem:

  * För datauppsättningar med 100 eller färre kolumner:

    * Kategoriska funktioner med 13 eller färre unika värden one-hot-kodas.

    * Kategoriska funktioner med mer än 13 unika värden effektkodas.

  * För datauppsättningar med mer än 100 kolumner effektkodas alla kategoriska kolumner.

* För tidsserieproblem kodas kategoriska kolumner med hjälp av ordinalkodning.

Du kan se vilka funktioner i din datauppsättning som behandlas med kategorisk kodning genom att titta på schemaöversikten när du konfigurerar ditt ML-experiment. Mer information finns i [Konfigurering av experiment](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm).

## Hur fungerar kategorisk kodning?

En vanlig teknik för att ge en kategori en matematisk representation är one-hot-kodning. Med one-hot-kodning delas den kategoriska kolumnen in i n antal kolumner, där n är lika med antalet unika värden i kolumnen. Siffran 1 tilldelas till den lämpliga kolumnen för varje rad och 0 till de övriga kolumnerna som genererats för kategorin. Kategorisk kodning gör det möjligt att utvärdera varje unik variabel oberoende av de andra, till skillnad från ett numeriskt värde som utvärderas i förhållande till de andra värdena i kolumnen.

Exemplet i tabellen visar hur den kategoriska kolumnen Marknadsföringskälla har one-hot-kodats. Resultatet är fyra nya kolumner – en för varje unik marknadsföringskälla. På den första raden har Person\_1 marknadsföringskällan "Facebook". Detta representeras av 1 i den nya Facebook-kolumnen och av 0 i de andra kolumnerna.

Kategorisk kodning av kolumnen Marknadsföringskälla

Kategorisk kodning av kolumnen Marknadsföringskälla

Kategorisk kodning av kolumnen Marknadsföringskälla ![Tabell med exempeldata.](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/categorical-encoding-table-1.png)

Relaterat utbildningsinnehåll:

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

## Mer information

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