ในการที่จะวิเคราะห์ข้อมูลในรูปแบบตาราง เราจะเจอข้อมูลหลากหลาย Data Type เช่น String, Integer, Float, Date, Datetime, BLOB, Etc. แต่ใน Column ที่เป็นตัวเลข Integer เหมือนกัน ก็ยังมีความหมายแฝงที่แตกต่างกันไปได้อีก แล้วแต่ว่าเป็นชนิดตัวเลขแบบ Cardinal Numbers, Ordinal Numbers หรือ Nominal Numbers

เมื่อเราเห็นข้อมูลแบบตัวเลข เราต้องสามารถตีความว่าตัวเลขนั้นจะเป็นตัวเลขแบบ Cardinal Numbers, Ordinal Numbers หรือ Nominal Numbers ซึ่งที่มีความหมายแตกต่างกัน นำไปสู่การทำ Feature Engineering ที่แตกต่างกัน เพื่อสร้างโมเดลที่ใช้งานข้อมูลได้ถูกความหมาย

Cardinal Numbers คืออะไร

ตัวเลขแบบ Cardinal Numbers คือ ตัวเลขจำนวนนับ ปริมาณ เช่น ขายสินค้าได้กี่ชิ้น 500 ชิ้น, มีผู้เข้าร่วมประชุมกี่ท่าน 2000 ท่าน ไม่มีเศษส่วน ไม่มีจุดทศนิยม

ยอดขายสินค้าจำนวนผู้เข้าร่วมประชุม
งาน A5002000
งาน B3001000

เราสามารถ Compare เปรียบเทียบ Cardinal Numbers มากกว่า น้อยกว่ากันได้ และทำ Mathematical Operations บวกลบ คูณหารได้ มีความหมาย < > + – * /

Ordinal Numbers คืออะไร

ตัวเลขแบบ Ordinal Numbers คือ ตัวเลขที่มีความหมายลำดับ ตำแหน่งในลิสต์รายการ เช่น เป็นผู้พูดคนที่เท่าไร ระดับการศึกษา เช่น ตรี 1 โท 2 เอก 3

พูดคนที่ระดับการศึกษา
คุณ A42
คุณ B31
คุณ C13
คุณ D21

เราสามารถ Compare เปรียบเทียบ Ordinal Numbers มากกว่า น้อยกว่ากันได้ < > แต่ทำ Mathematical Operations บวกลบ คูณหารไม่ได้ ไม่มีความหมาย + – * /

Nominal Numbers คืออะไร

ตัวเลขแบบ Nominal Numbers คือ ตัวเลขที่ถูกใช้เป็นชื่อหมวดหมู่ เช่น รหัสไปรษณีย์, เบอร์โทร, รุ่น 80386, เลขบัตรประชาชน, เลขประจำตัวผู้เข้าร่วมแข่งขัน, สีผม ดำ 1 ทอง 2

เลขประจำตัวผู้แข่งขันCPUรหัสไปรษณีย์สีผม
52174780386101232
75028580486572341

เราไม่สามารถ Compare เปรียบเทียบ Nominal Numbers มากกว่า น้อยกว่ากันได้ ทำ Mathematical Operations บวกลบ คูณหารยิ่งไม่ได้ ไม่มีความหมาย < > + – * /

Credit

แชร์ให้เพื่อน:

Share

บทความที่เกี่ยวข้อง:

  1. Normalization คืออะไร ปรับช่วงข้อมูล Feature Scaling ด้วยวิธี Normalization, Standardization ก่อนเทรน Machine Learning – Preprocessing ep.2
  2. Categorize การเตรียมข้อมูลหมวดหมู่ Categorical Data ด้วย One-Hot Encoding, Map ก่อนเทรน Machine Learning – Preprocessing ep.3
  3. One Hot Encoding คืออะไร ประโยชน์ ข้อดี ข้อเสีย ของ One Hot Encoding ทำไมต้องใช้ One Hot Encoding ใน Machine Learning
  4. Quantization คืออะไร Post-Training Quantization มีประโยชน์อย่างไร กับ Deep Neural Network บนอุปกรณ์ Embedded Device, IoT, Edge, มือถือ Mobile – tflite ep.2
Surapong Kanoktipsatharporn on FacebookSurapong Kanoktipsatharporn on LinkedinSurapong Kanoktipsatharporn on Rss
Surapong Kanoktipsatharporn
Solutions Architect at Bua Labs
The ultimate test of your knowledge is your capacity to convey it to another.

Published by Surapong Kanoktipsatharporn

The ultimate test of your knowledge is your capacity to convey it to another.