Les données nominales sont un type d'ensemble de données non numériques utilisé en informatique. Il se compose de variables organisées en deux catégories ou plus, sans qu'aucune forme d'ordre numérique ou de classement ne soit attribuée à chaque catégorie. Les catégories désignées sont souvent représentées par des symboles, tels que des lettres ou des chiffres.
En technologie de l'information, les données numériques et les données nominales sont deux types de données qui ont des utilisations différentes. Les données numériques sont utilisées pour des calculs, tels que des équations mathématiques, des analyses statistiques et d'autres formes d'analyse quantitative. Les données nominales sont utilisées lorsque les données sont organisées ou classées en catégories prédéterminées et mutuellement exclusives. Par exemple, un ensemble de données contenant des informations sur le genre serait un type de données nominales, les catégories étant composées d'hommes et de femmes.
Les données nominales sont couramment utilisées lorsque les données sont qualitatives plutôt que quantitatives. Il est utile pour des applications telles que des enquêtes, des questionnaires et des groupes de discussion. Dans ces cas, les catégories sont créées pour refléter les caractéristiques des différents éléments étudiés, et l'ensemble de données est utilisé pour classer les éléments individuels de ce type.
Les ensembles de données nominales peuvent également être utilisés lorsque l'objectif final est de mesurer la précision de classification d'un algorithme, ou lorsqu'un ensemble de données doit être converti en format numérique afin d'être analysé plus en détail. Un exemple courant est lorsque le sexe est codé sous la forme des nombres 0 et 1, pour être utilisé comme variable pour la régression logistique.
Les données nominales constituent un élément essentiel du pipeline de traitement des données dans de nombreux domaines informatiques. Ses utilisations vont de l’analyse des données d’enquête à la validation de l’exactitude des algorithmes de classification automatisés. Il est utile dans de nombreux contextes pour faciliter l’analyse d’ensembles de données, en particulier lorsque l’analyse quantitative n’est pas l’objectif principal.
