一位机器学习工程师拥有仅包含“是”或“否”的调查问卷答案。他们需要将这些响应转换为单个特征，以改进模型训练，同时不增加数据集的维度。哪些方法满足这些限制？（选择两项。）

对于“是/否”这种二元分类特征，二元编码和标签编码都能将其转换为单个数值特征，从而满足不增加数据集维度的要求。二元编码将“是”映射为1，“否”映射为0（或反之），直接表示了二元状态。标签编码也类似，为“是”和“否”分配不同的整数（例如0和1）。One-hot编码会创建两个新列（一列用于“是”，一列用于“否”），这会增加数据集的维度，不符合要求。统计归因是处理缺失值的方法，与特征转换无关。分词是将文本数据分解为更小单元的方法，不适用于二元问卷答案。