Temperatura
Entre 22,1 °C e 22,2 °C pode existir 22,15 °C.
22,10 · 22,15 · 22,20PREPARAÇÃO DE DADOS · TIPOS DE VARIÁVEIS
O formato é visível; o significado precisa ser entendido.
Variáveis quantitativas expressam quantidade. Variáveis categóricas representam grupos. Dentro desses conjuntos ainda existem diferenças que afetam cálculos, gráficos, modelos e codificações.
Q
Quantitativascontínuas ou discretas
C
Categóricasnominais, ordinais ou binárias
ID
Identificadoresrótulos de linhas, não quantidades
01 · VARIÁVEL CONTÍNUA
Uma medida dentro de um intervalo.
Entre dois valores, teoricamente podem existir outros valores intermediários. A precisão observada depende do instrumento ou do cadastro.
Peso
Mesmo armazenado com duas casas, representa uma grandeza medida.
72,34 kgPreço
A moeda é discretizada em centavos no sistema, mas costuma ser tratada como quantitativa contínua em muitos modelos.
R$ 149,9002 · VARIÁVEL DISCRETA
Uma contagem com valores separados.
Não faz sentido observar uma fração entre duas contagens quando o objeto é indivisível.
Número de compras
Um cliente realizou 0, 1, 2 ou 3 compras; não 2,6 compras completas.
0 · 1 · 2 · 3 · …Quantidade de defeitos
Uma peça pode possuir uma contagem de falhas identificadas.
defeitos = 4Filhos por família
É uma contagem inteira, não uma categoria chamada “dois”.
diferença e ordem importam03 · CATEGÓRICA NOMINAL
Grupos sem uma ordem natural.
| Variável | Valores | Existe ordem? | Tratamento comum |
|---|---|---|---|
| cidade | Uberaba, Franca, Goiânia | Não | One-Hot ou suporte categórico nativo |
| cor | azul, verde, vermelho | Não | One-Hot |
| forma de pagamento | PIX, cartão, boleto | Não | One-Hot, frequência ou método nativo |
| CEP | 38000-000, 14400-000 | Não | Engenharia geográfica ou categoria; não usar como número bruto |
04 · CATEGÓRICA ORDINAL
Grupos com sequência, mas sem distância conhecida.
Existe uma ordem legítima, porém a diferença entre níveis não precisa ser constante.
Categorias
Ruim<Regular<Bom<Ótimo
A sequência faz sentido.
Ordinal Encoding
Ruim = 0Regular = 1Bom = 2Ótimo = 3
Os números preservam a ordem, mas o modelo pode interpretar intervalos iguais. Essa hipótese precisa ser aceitável ou tratada conscientemente.
Escolaridade
Fundamental, Médio, Superior e Pós-graduação possuem ordem educacional.
[0, 1, 2, 3]Risco
Baixo, médio e alto representam níveis progressivos.
baixo < médio < altoSatisfação
Escalas como muito insatisfeito até muito satisfeito são ordinais.
Likert: 1 … 505 · BINÁRIA, DATA, TEXTO E ID
Outros casos frequentes.
Binária
Duas categorias, como ativo/inativo. Pode ser convertida para 0/1 quando o significado estiver definido.
ativo=1 · inativo=0Data e hora
Extraia componentes relevantes ou duração; meses e dias da semana podem exigir representação cíclica.
hora → sen(2πh/24), cos(2πh/24)Texto
Precisa virar vetores: contagens, TF-IDF, embeddings ou tokens de um Transformer.
texto → tokens → vetoresIdentificador
CPF, matrícula e ID normalmente distinguem registros, mas não devem criar distância artificial.
ID 900 não é “maior cliente”06 · X E y NÃO SÃO A MESMA DECISÃO
O tipo do alvo define a tarefa; o tipo das entradas define o tratamento.
| Alvo y | Tarefa | Modelos possíveis | Exemplo |
|---|---|---|---|
| Valor contínuo | Regressão | Regressão linear, árvore, Random Forest, boosting, MLP | preço do imóvel |
| Categoria | Classificação | Logística, árvore, SVM, k-NN, Naive Bayes, redes neurais | fraude / legítimo |
| Contagem | Regressão de contagem | Poisson e modelos de contagem; árvores e boosting também podem ser usados conforme objetivo | chamadas por hora |
| Ordem | Classificação ordinal | Modelos ordinais ou adaptações conscientes | risco baixo / médio / alto |
07 · CHECKLIST DE DIAGNÓSTICO
Pergunte antes de transformar.
Se subtrair dois valores gera uma diferença interpretável, provavelmente é quantitativa.
Medidas tendem a ser contínuas; contagens tendem a ser discretas.
Se não existe, é nominal. Se existe, pode ser ordinal.
IDs, CEPs e códigos de produto não devem ser tratados automaticamente como grandezas.
Distância, gradiente, divisões de árvore e suporte categórico nativo exigem decisões diferentes.