歡迎踏上你的預測分析（Predictive Analytics）之旅！

剛開始準備 Exam PA 時，可能會覺得像是在學一種新語言，但別擔心——這裡面大多數的概念，其實都是你憑直覺就能理解的東西。在這章裡，我們將探討任何預測模型中的「原材料」：變數（Variables）。了解你手上的數據類型是「數據探索（Data Exploration）」的第一步，因為它決定了你將繪製什麼圖表以及建立什麼模型。讓我們開始吧！

1. 全局觀：變數的角色

在我們將數據按「類別」分門別類之前，我們需要先了解每一項數據在模型中扮演的角色。在預測建模中，我們通常有兩個主角：

目標變數（「目標」）

目標變數（Target Variable）（也稱為回應變數（Response）或應變數（Dependent Variable））是你試圖預測或解釋的對象。在 Exam PA 的專案中，商業問題總會指引你找到一個明確的目標。
比喻： 如果你試圖預測烤蛋糕需要多久，那麼「烘烤時間」就是你的目標變數。

預測變數（「配料」）

預測變數（Predictors）（也稱為特徵（Features）、自變數（Independent Variables）或解釋變數（Explanatory Variables））是你用來進行預測的資訊。
比喻： 為了預測烘烤時間，你可能會查看烤箱溫度、麵糊重量以及你所在廚房的海拔高度。這些就是你的預測變數。

公式小檢查：
在許多教科書中，你會看到兩者的關係寫成：
\( Y = f(X) + \epsilon \)
其中：
\( Y \) = 目標變數。
\( X \) = 預測變數。
\( f \) = 我們試圖尋找的數學函數或模型。
\( \epsilon \) (epsilon) = 我們無法解釋的「雜訊」或隨機誤差。

關鍵點： 預測建模簡單來說，就是使用預測變數 (X) 來估計目標 (Y)。

2. 定性（類別）變數

定性變數（Qualitative variables）代表的是描述或「組別」，而非測量值。這些變數描述了觀測對象的某種特質。我們將其分為兩大類：

名義變數（僅有名稱）

名義變數（Nominal variables）是指沒有邏輯順序的類別。一個類別並不會比另一個「更高」或「更好」。
例子： 性別、髮色、居住州份，或保險單類型（汽車險 vs. 房屋險）。
記憶小撇步： Nominal（名義）= Name（名稱）。

次序變數（順序很重要）

次序變數（Ordinal variables）是指類別之間有明確的順序，但類別之間的數學距離是不固定的。
例子： 教育程度（高中、學士、碩士、博士）或客戶滿意度（低、中、高）。
比喻： 想像一場賽跑。跑出第 1、第 2 和第 3 名是次序關係。你知道第 1 名比第 2 名快，但單看排名並不知道具體快了「多少」。

重點複習表：
- 名義： 沒有順序的類別（紅、藍、綠）。
- 次序： 有明確等級的類別（小、中、大）。

3. 定量（數值）變數

定量變數（Quantitative variables）是代表可測量數量的數字。你可以對這些數值進行運算（例如計算平均值）。我們將其分為兩組：

離散變數

離散變數（Discrete variables）是你數出來的東西。它們通常取整數值，且數值之間有「間隙」。
例子： 一個人提出的索賠次數、家庭擁有的汽車數量，或家庭中的子女數量。
檢查： 你能有 2.47 個孩子嗎？不能。這代表它是離散的。

連續變數

連續變數（Continuous variables）是你測量出來的東西。它們可以在某個範圍內取任何值，包括小數。
例子： 索賠損失的確切美元金額、一個人的年齡，或其年收入。
檢查： 一筆索賠金額可以是 $1,205.52 嗎？可以。這讓它是連續的。

你知道嗎？ 有時在 Exam PA 中，離散與連續之間的界線會變得模糊。例如，年齡在技術上是連續的（你可以是 25.432 歲），但通常會記錄為離散的整數（25 歲）。如果發生這種情況，請不要驚慌，只需觀察數據在資料集中實際是如何存儲的即可。

4. 你需要知道的專門術語

當你閱讀 Exam PA 的教材時，你會經常看到這些術語。我們現在來釐清一下：

二元（或二分）變數（Binary / Dichotomous Variables）：一種特殊的類別變數，只有兩個選項。通常為 0/1、是/否，或通過/不通過。
虛擬變數（Dummy Variables / Indicators）：將類別變數轉化為數字以便電腦理解的過程。例如，如果你有「性別」，你可能會建立一個名為「Is_Female」的變數，其中 1 代表是，0 代表否。
水準（Levels）：這是指定性變數中的不同類別。如果「顏色」有紅、藍、綠，我們就說該變數有 三個水準（three levels）。
觀測值（Observations）：這就是數據中的行（rows）。每一行代表被測量的一個獨立「個體」（例如一個保單持有人或一份索賠案件）。

5. 需避免的常見陷阱

陷阱 1：將次序變數視為名義變數。
如果你將「信用評分等級」（差、中、好）視為名義變數，你的模型就會丟失「好」優於「差」這一重要的資訊。

陷阱 2：混淆標籤與數字。
有時數據會用數字作為標籤。例如，「區域 1、區域 2、區域 3」。即使它們是數字，它們實際上是名義變數。將「區域 1」加上「區域 2」並不會變出「區域 3」。

陷阱 3：忘記目標變數的類型。
這是最重要的一點！如果你的目標是連續的（如索賠成本），你處理的是迴歸（Regression）問題。如果你的目標是類別的（如「客戶會續保嗎？」），你處理的是分類（Classification）問題。

本章總結

1. 預測變數 (X) 用於預測目標變數 (Y)。
2. 定性數據是類別性的。分為名義（無順序）或次序（有順序）。
3. 定量數據是數值性的。分為離散（數出來的）或連續（測量出來的）。
4. 目標變數的類型決定了你的建模方法：數字型選迴歸，類別型選分類。

如果這些標籤看起來很多，請別擔心！當你在接下來的章節中接觸實際數據時，這些定義就會變得自然而然。你一定可以的！