Categorical 与 Numerical 数据解析解析_第1页
Categorical 与 Numerical 数据解析解析_第2页
Categorical 与 Numerical 数据解析解析_第3页
Categorical 与 Numerical 数据解析解析_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

Categorical与Numerical数据在数据科学和统计学中，数据通常被划分为categorical（分类数据）和numerical（数值数据）两大类，二者在性质、表现形式及应用场景上有显著区别，在CCD视觉检测图像分析中也有着不同的应用方式。一、Categorical（分类数据）分类数据用于描述事物的类别或属性，其值通常为离散的标签，不具有数值意义上的大小或顺序（或顺序不具备数学可运算性）。核心特征离散性：数据值来自有限的预设类别，无法进行连续取值。例如“合格/不合格”“红色/蓝色/绿色”。非量化性：类别之间通常没有数值上的加减乘除关系，如“圆形”和“方形”无法比较大小。常见类型名义型数据（Nominal）：类别之间无固有顺序，如CCD视觉检测中零件的“材质类型”（金属/塑料/陶瓷）、表面缺陷的“缺陷类型”（划痕/污渍/气泡）。有序型数据（Ordinal）：类别之间有明确顺序，但顺序间隔不固定或无明确数值意义，如缺陷的“严重程度”（轻微/中等/严重）、产品的“等级”（A级/B级/C级）。在CCD视觉检测中的应用用于对检测结果进行定性判断，如“合格”或“不合格”的分类标签，或对缺陷类型（如划痕、凹陷）的归类。作为后续决策的依据，例如系统根据“缺陷类型”自动触发不同的分拣策略（如将划痕件与污渍件分入不同处理流程）。二、Numerical（数值数据）数值数据是可以量化的连续或离散数据，其值具有数学意义，可进行加减乘除等运算，用于描述事物的数量或程度。核心特征量化性：数据以数字形式呈现，代表具体的测量值，如长度“5.2mm”、面积“10.3cm²”。可运算性：数值之间可比较大小、计算差值或平均值，如“直径5mm”小于“直径6mm”，可计算“平均误差0.2mm”。常见类型连续型数据（Continuous）：可在一定范围内取任意值，如CCD视觉检测中零件的“长度”“宽度”“灰度值”（0-255之间的任意数值）。离散型数据（Discrete）：只能取特定的整数或有限数值，如零件的“数量”（1个、2个）、缺陷的“个数”（3处、5处）。在CCD视觉检测中的应用用于精确描述检测对象的量化特征，如零件的尺寸（直径、长度）、缺陷的几何参数（划痕长度“3.5mm”、凹陷深度“0.2mm”）。作为质量控制的量化指标，例如通过计算“尺寸偏差值”（实际值与标准值的差值）判断是否符合公差范围（如±0.1mm）。三、两者的联系与转换联系：在CCD视觉检测中，两类数据常结合使用。例如，先通过数值数据（如缺陷面积“2.3mm²”）判断是否属于“严重缺陷”（分类数据），再输出最终结果。转换：数值数据可通过设定阈值转换为分类数据，如将“灰度值＞200”定义为“过曝区域”（分类）；分类数据也可通过编码（如“合格=1，不合格=0”）转换为数值形式，用于机器学习模型的训练。总结分类数据（Categorical）侧重“定性描述”，用于划分类别和属性；数值数据（Numerical）侧重“定量测量”，用于精确描述数量和

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论