1、标称数据

标称数据是没有自然顺序的离散、非数值型值。

2、序数数据

序数数据是离散、非数值型值，但不同于标称数据，序数数据有自然顺序。MATLAB提供ordinal数组对象来存储和操纵序数数据。

3、分类数据

categorical数据类型用于创建有限离散分类数据，该类型与nominal和ordinal的用法类似。

4、示例数据集

为了便于和其他算法的性能进行比对，本书绝大部分示例都使用一些公开的数据集。下面对经常使用的数据集进行说明。

（1）天气问题

天气问题的数据集很小，其数据纯属虚构，只是为了用来说明机器学习的方法。

天气问题有四个属性：天气趋势（outlook）、温度（temperature）、湿度（humidity）和刮风（windy）。还有一个目标属性（play）表示样本的类别，即在四个属性值确定的前提下得到是否可运动的结论。

天气问题仅有14个样本，表1所示为天气问题的简单形式，四个属性都采用离散的标称型来表示，而不采用连续型数值。其中，天气趋势的属性值有sunny（晴）、overcast（多云）和rainy（雨）；温度属性值有hot（热）、mild（温暖）和cool（凉爽）；湿度属性值有high（高）和normal（正常）；刮风属性值有TRUE（真）和FALSE（假）；是否可运动属性值有yes（是）和no（否）。

表1　标称属性的天气问题

机器学习的一个目标就是要找出数据的内在模式，本例中，就是要得到在什么天气情况下可运动的规则。然后，根据这个规则，对给定新的天气情况，如：

    outlook = sunny and humidity = high then play = ? 

给出是否可玩的判断。

表2所示为天气问题的稍微复杂一点的形式。温度和湿度两个属性的数据类型由离散的标称型变为连续的数值型。如果全部属性都是数值型，就称为数值属性问题。但这里不是所有属性都是数值型，因此称为混合属性问题。

显然，如果包含了数值类型的属性，学习方案可能需要对此类属性建立不等式，因此，得到包含数值测试的规则有些复杂。例如，决策规则可能是这样的：

    if outlook = sunny and humidity <= 75 then play = yes 

表2　混合属性的天气问题

（2）鸢尾花

鸢尾花（iris）是非常著名的用于模式识别的数据集，该数据集于1936年由R. A. Fisher创建，Fisher的论文也成为经典，直到今天还经常被引用。鸢尾花原始数据集位于网站http://archive.ics.uci.edu/ml/datasets/Iris。

加载后，鸢尾花的类别属性放在species中，这是一个150×1的cell数组；4个属性放在meas中，这是一个150×4的double型矩阵。其中，species有三种取值，也就是鸢尾花的三个类别：setosa（山鸢尾）、versicolor（变色鸢尾）和virginica（维吉尼亚鸢尾），每个类别各有50个实例。meas定义了如下4个属性：sepal length（花萼长）、sepal width（花萼宽）、petal length（花瓣长）、petal width（花瓣宽）。这些长宽属性都是数值类型，单位为cm（厘米）。

表3摘录自鸢尾花数据集。该数据集就是要根据鸢尾花的花萼长宽和花瓣长宽数据，找出不同类别花的特点分布情况，揭示其中隐藏的规律性。

表3　鸢尾花数据集

所需代码：