باختصار
البيانات الفئوية (Categorical Data) هي سمات لها مجموعة محدّدة من القيم الممكنة.
بالتفصيل
خُد مثالًا سمة اسمها «حالة إشارة المرور»، وقيمها الممكنة تلاتة فقط: أحمر، أصفر، أخضر. دي سمة فئوية.
وبتمثيل الحالة دي كسمة فئوية، النموذج يقدر يتعلّم التأثيرات المختلفة للأحمر والأصفر والأخضر على سلوك السائق — كلٌّ على حدة.
ودي النقطة الجوهرية. لو مثّلت الألوان بأرقام 1 و2 و3 وعاملتها كسمة عددية، هتكون قلت للنموذج ضمنًا إن الأصفر «أكبر» من الأحمر، وإن المسافة بين الأحمر والأخضر ضعف المسافة بين الأحمر والأصفر. وكل ده بلا معنى.
والسمات الفئوية بتتسمّى أحيانًا سمات منفصلة (Discrete Features)، وهي تقابل البيانات العددية (Numerical Data).
وعمليًا، بتتحوّل البيانات الفئوية قبل التدريب بطرق زي الترميز أحادي الساخن (One-Hot Encoding) أو التضمينات (Embeddings) للفئات كثيرة القيم.
مثال عملي
في جدول عملاء عندك عمود «المدينة» بقيم: القاهرة، الرياض، دبي، عمّان.
لو رمّزتها 1، 2، 3، 4 وأدخلتها لنموذج انحدار خطّي، النموذج هيفترض ترتيبًا ومسافات بين المدن. الصحيح إنك تعاملها كسمة فئوية، فيتعلّم النموذج وزنًا مستقلًّا لكل مدينة.
مصطلحات مرتبطة
- Numerical Data — البيانات العددية.
- One-Hot Encoding — الترميز أحادي الساخن.
- Bucketing — التقسيم إلى دلاء.
المصادر: Google ML Glossary
