Uma loja online usa regressão linear para prever vendas futuras de livros. Uma característica numérica é 'duration' (dias em que o livro está listado). A análise exploratória mostra que a relação entre vendas e duração é distorcida e não linear. Qual transformação é mais apropriada para melhorar o modelo?

Converter 'duration' em bins baseados em quantis é a melhor opção porque a regressão linear assume uma relação linear entre as variáveis. Se a relação é distorcida e não linear, o binning pode capturar essa não linearidade ao transformar a variável contínua em categorias ordinais, permitindo que o modelo aprenda padrões mais complexos. O binning baseado em quantis garante que cada bin tenha aproximadamente o mesmo número de observações, o que é útil para lidar com distribuições distorcidas. Codificar com one-hot encoding é para variáveis categóricas e não ajudaria a capturar a não linearidade de uma variável numérica contínua. Uma transformação de produto cartesiano é usada para criar interações entre características, o que não aborda diretamente a não linearidade de uma única característica. Normalizar os valores de 'duration' ajusta a escala, mas não resolve a não linearidade intrínseca da relação.