【机器学习理论基础】定量变量和定性变量

一 定量变量和定性变量

1.1 定量变量（quantitative variable）

取值是定量的，有计算意义的。如年龄、家庭人口数量这类变量。

1.2 定性变量（quanlitative variable）

取值是定性的，主要起代号作用。如学历、婚姻状况和就业情况等。为了对定性变量进行统计学处理，往往需要对其进行编码处理，如性别“男为0，女为1”。所以，在实际的统计工作中，不需要输入汉字，而是将其转换为相应的数字。

二 连续变量和离散变量

2.1 连续变量（continuous variable）

取值范围在理论上是连续不断的。如年龄变量的取值范围在理论上可以取任意正实数，注意不是正整数，比如一个人的年龄可以记为17.55岁，表示年龄为17岁6个月18天，甚至还可以利用出生时刻的信息精确到更小的时间单位（如“分、秒”）。

2.2 离散变量

取值范围是间断而不连续的。如家庭人口数这一变量就是相对于连续变量的另一类，即，因为不同家庭的人口数只可能相差0、1、2，而不能相差1.1、1.2等。

由此可见，一般仅定量变量有连续和离散之分，即一个定量变量要么是连续的、要么是离散的。相较而言，定性变量从数据表现上虽然和离散变量类似，但由于它只具有“代号”意义，所以一般不把它视为离散变量。

三 定性变量的分类

定性变量的取值往往表现为互不交叉的类别（所以定性变量也称分类变量），同时这些类别有时会存在细微的差别。

3.1 有序分类变量

如学历这类定性变性变量的取值为“文盲、小学、初中、高中……”，透露出一种等级或顺序的感觉，因此也称之为有序分类变量，这是指其取值的各类别之间存在着程度上的差别。另外一个常见的例子是“满意程度”，包括“很不满意、不满意、一般、满意、非常满意”。这类有序分类变量给人一种“半定量”的感觉，也称为“等级变量”；

3.2 无序分类变量

与之相对的另一类定性变量，即无序分类变量，其各个取值则不存在程度的差异，比如性别、血型等。

对于无序分类变量，根据取值的不同又可分为“二项分类变量”和“多项分类变量”，比如性别（一般情况）只分为男女两类，所以称之为二分类，而血型类别较多，可称为多分类。

参考链接

http://www.360doc.com/content/23/0525/06/65434111_1082027721.shtml