Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Ventajas de utilizar matrices nominales y ordinales

Nota

Los tipos de datos y matrices se pueden quitar en una versión futura.nominalordinal Para representar datos no numéricos y discretos ordenados y desordenados, utilice el tipo de datos en su lugar.Arreglos categóricos (MATLAB)

Manipular niveles de categoría

Cuando trabaje con variables categóricas y sus niveles, encontrará algunos desafíos típicos. Esta tabla resume las funciones que puede utilizar con matrices nominales o ordinales para manipular los niveles de categoría. Para funciones adicionales, escriba o en la línea de comandos, o vea las páginas de referencia.methods nominalmethods ordinalnominalordinal

TareaFunción
Agregue nuevos niveles de categoría addlevels
Los niveles de categoría de caídadroplevels
Combine niveles de categoríamergelevels
Reordenar niveles de categoríareorderlevels
Cuente el número de observaciones en cada categoríalevelcounts
Cambie la etiqueta o el nombre de los niveles de categoríasetlabels
Cree un factor de interaccióntimes
Encuentre observaciones que no estén en una categoría definidaisundefined

Análisis mediante matrices nominales y ordinales

Puede utilizar matrices nominales y ordinales en una variedad de análisis estadísticos. Por ejemplo, es posible que desee calcular estadísticas descriptivas para los datos agrupados por los niveles de categoría, realizar pruebas estadísticas sobre las diferencias entre las medias de categoría o realizar análisis de regresión mediante predictores categóricos.

funciones que aceptan una variable de agrupación como un argumento de entrada aceptan matrices nominales y ordinales.Statistics and Machine Learning Toolbox™ Esto incluye funciones descriptivas como:

También puede utilizar matrices nominales y ordinales como argumentos de entrada para funciones y métodos de análisis basados en modelos, tales como:

Cuando se utiliza una matriz nominal u ordinal como predictor en estas funciones, la función de empalme reconoce automáticamente el predictor categórico y construye las variables de indicador ficticio apropiadas para el análisis. Alternativamente, puede construir sus propias variables de indicador ficticios usando.dummyvar

Reduzca los requisitos de memoria

Los niveles de las variables categóricas a menudo se definen como texto, lo que puede ser costoso de almacenar y manipular en una matriz de vectores de caracteres o matriz de celdas.char Las matrices nominales y ordinales almacenan por separado la pertenencia a categorías y las etiquetas de categoría, reduciendo en gran medida la cantidad de memoria necesaria para almacenar la variable.

Por ejemplo, cargue algunos datos de ejemplo: la variable es una matriz de vectores de caracteres que requieren 19.300 bytes de memoria.

load('fisheriris')
species

Convertir a una matriz nominal:species

species = nominal(species);

Hay una reducción del 95% en la memoria necesaria para almacenar la variable.

Consulte también

|

Ejemplos relacionados

Más acerca de