> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-home-button.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> Calcula o valor de `(P(tag = 1) - P(tag = 0))(log(P(tag = 1)) - log(P(tag = 0)))` em cada categoria.

# categoricalInformationValue

<div id="categoricalInformationValue">
  ## categoricalInformationValue
</div>

Introduzido em: v20.1.0

Calcula o valor de informação (IV) para atributos categóricos em relação a uma variável-alvo binária.

Para cada categoria, a função calcula: `(P(tag = 1) - P(tag = 0)) × (log(P(tag = 1)) - log(P(tag = 0)))`

onde:

* P(tag = 1) é a probabilidade de que a variável-alvo seja igual a 1 para a categoria fornecida
* P(tag = 0) é a probabilidade de que a variável-alvo seja igual a 0 para a categoria fornecida

O Valor de Informação é uma estatística usada para medir a força da relação entre um atributo categórico e uma variável-alvo binária em modelagem preditiva.
Valores absolutos mais altos indicam maior poder preditivo.

O resultado indica o quanto cada atributo discreto (categórico) `[category1, category2, ...]` contribui para um modelo de aprendizado que prevê o valor de `tag`.

**Sintaxe**

```sql theme={null}
categoricalInformationValue(category1[, category2, ...,]tag)
```

**Argumentos**

* `category1, category2, ...` — Um ou mais atributos categóricos para analisar. Cada categoria deve conter valores discretos. [`UInt8`](/pt-BR/reference/data-types/int-uint)
* `tag` — Variável-alvo binária para previsão. Deve conter os valores 0 e 1. [`UInt8`](/pt-BR/reference/data-types/int-uint)

**Valor retornado**

Retorna um array de valores Float64 que representam o valor informativo de cada combinação única de categorias. Cada valor indica a força preditiva dessa combinação de categorias para a variável-alvo. [`Array(Float64)`](/pt-BR/reference/data-types/array)

**Exemplos**

**Uso básico: análise de grupos etários em relação ao uso de dispositivos móveis**

```sql title=Query theme={null}
-- Usando o dataset metrica.hits (disponível em https://sql.clickhouse.com/) para analisar a relação entre idade e uso mobile
SELECT categoricalInformationValue(Age < 15, IsMobile)
FROM metrica.hits;
```

```response title=Response theme={null}
[0.0014814694805292418]
```

**Múltiplas variáveis categóricas com dados demográficos do usuário**

```sql title=Query theme={null}
SELECT categoricalInformationValue(
    Sex,                 -- 0=masculino, 1=feminino
    toUInt8(Age < 25),   -- 0=25+, 1=menor de 25
    toUInt8(IsMobile)    -- 0=desktop, 1=mobile
) AS iv_values
FROM metrica.hits
WHERE Sex IN (0, 1);
```

```response title=Response theme={null}
[0.00018965785460692887,0.004973668839403392]
```