Um engenheiro de ML está preparando a entrada para uma rede neural para prever o sucesso de uma campanha publicitária. O conjunto de dados inclui o esquema de cores do anúncio como uma característica categórica. Qual método de engenharia de características o engenheiro deve usar para esses dados de cores categóricas?

One-hot encoding é o método mais adequado para características categóricas nominais, como esquemas de cores, porque cria uma representação binária onde cada categoria é uma coluna separada. Isso evita que o modelo infira uma ordem ou relação numérica entre as cores, o que não existe. A codificação de rótulo (label encoding) atribuiria números inteiros, o que poderia levar o modelo a assumir uma ordem ordinal que não é inerente aos dados das cores. Preenchimento (padding) é usado para sequências de comprimento variável, não para características categóricas estáticas. Redução de dimensionalidade seria aplicada após a codificação, se necessário, mas não é o método primário para transformar a característica categórica em si.