您有一个供应商位置数据集，记录为两位数的国家/地区代码（例如，新西兰的 NZ）。您必须将这些代码转换为数值变量以进行模型训练，同时 (1) 避免任何信息丢失，以及 (2) 最大程度地减少维度增加。哪种转换符合这些要求？

相似性编码（Similarity Encoding）是一种将分类特征转换为数值特征的方法，它通过计算类别之间的相似性来生成新的数值表示。对于国家/地区代码，相似性编码可以捕捉不同国家之间的地理、文化或经济相似性，从而避免信息丢失。同时，它通常会生成比独热编码更少的特征，从而最小化维度增加。添加完整国家/地区名称只是增加了文本信息，并没有直接转换为数值。将国家/地区代码映射到大陆名称会丢失国家层面的详细信息。独热编码（One-Hot Encoding）虽然避免了信息丢失，但对于大量国家/地区代码，会导致维度急剧增加，不符合最小化维度增加的要求。