Prepare um recurso categórico de cidade para um modelo de regressão linear do BigQuery ML com codificação mínima, preservando as informações preditivas. O que você deve fazer?

Para um modelo de regressão linear no BigQuery ML, recursos categóricos como "cidade" precisam ser convertidos em um formato numérico. A codificação one-hot (codificação em colunas binárias) é o método padrão e mais eficaz para isso, pois cria uma nova coluna binária para cada categoria única (cidade), indicando sua presença (1) ou ausência (0). Isso preserva todas as informações preditivas da cidade sem introduzir uma ordem artificial que poderia prejudicar o modelo de regressão linear. O BigQuery SQL permite realizar essa transformação diretamente, tornando-a uma solução eficiente e integrada. As outras opções são menos adequadas: Omitir a coluna da cidade resultaria na perda de informações preditivas valiosas. Usar o TensorFlow para criar uma variável categórica é uma abordagem mais complexa e geralmente desnecessária quando o BigQuery ML pode lidar com isso diretamente via SQL. Mapear cidades para rótulos numéricos (1-5) introduziria uma ordem ordinal artificial, o que é inadequado para dados categóricos nominais em modelos de regressão linear, pois o modelo poderia interpretar que "5" é "maior" ou "melhor" que "1", o que não é o caso para cidades.