Ein ML-Ingenieur hat eine Spalte namens „day_of_week“ mit den Werten Montag, Dienstag, Mittwoch, Donnerstag, Freitag, Samstag und Sonntag. Welche Technik sollte der Ingenieur verwenden, um diese kategoriale Spalte in binäre Indikatorvariablen umzuwandeln?

One-Hot-Kodierung ist die geeignete Technik, um nominale kategoriale Daten wie Wochentage in ein Format umzuwandeln, das von Machine-Learning-Modellen verarbeitet werden kann. Sie erstellt für jede einzigartige Kategorie eine neue Binärspalte (0 oder 1), wodurch die Reihenfolge der Tage nicht impliziert wird. Label-Kodierung würde jedem Wochentag eine numerische Reihenfolge zuweisen (z. B. Montag=0, Dienstag=1), was eine künstliche Ordnung einführen würde, die für Wochentage nicht existiert und das Modell irreführen könnte. Binäre Kodierung ist eine komplexere Form der Label-Kodierung, die ebenfalls eine Ordnung impliziert. Tokenisierung wird typischerweise für Textdaten verwendet, um Wörter oder Phrasen in numerische Darstellungen umzuwandeln.