Bereiten Sie ein kategoriales Merkmal für Städte für ein BigQuery ML-Modell für lineare Regression mit minimalem Programmieraufwand vor, während Sie prädiktive Informationen erhalten. Was sollten Sie tun?

One-Hot-Encoding ist eine effektive Methode, um kategoriale Daten wie Städtenamen für lineare Regressionsmodelle vorzubereiten, da es die kategorialen Werte in ein numerisches Format umwandelt, ohne eine künstliche Ordnung einzuführen. BigQuery SQL bietet Funktionen wie ML.FEATURETRANSFORM oder manuelle CASE-Anweisungen, um dies mit minimalem Programmieraufwand direkt in BigQuery durchzuführen. Das Weglassen der Spalte würde prädiktive Informationen verlieren. Die Verwendung von TensorFlow wäre für diesen Anwendungsfall ein unnötiger Mehraufwand und nicht die einfachste Lösung. Das Zuordnen von Städten zu numerischen Regionen würde eine künstliche Reihenfolge und Beziehungen zwischen Städten einführen, die möglicherweise nicht existieren, und somit die Modellleistung beeinträchtigen.