Sie erstellen ein Regressionsmodell zur Vorhersage von Mietpreisen. Ein kategoriales Merkmal Wall_Color gibt die dominierende Außenfarbe der Immobilie an. Welche Feature-Engineering-Methoden ermöglichen es diesem Modell, die Wall_Color-Daten zu verwenden? (Wählen Sie zwei.)

One-Hot-Encoding ist eine gängige Methode, um kategoriale Daten für maschinelle Lernmodelle nutzbar zu machen. Für jede einzigartige Kategorie wird eine neue binäre Spalte erstellt, die 1 ist, wenn das Merkmal diese Kategorie hat, und 0 sonst. Dies vermeidet die Annahme einer ordinalen Beziehung, die bei der direkten Zuordnung von Ganzzahlen entstehen würde. Die Häufigkeitszählung (Frequency Encoding) ersetzt jedes kategoriale Label durch die Anzahl, wie oft es im Datensatz vorkommt. Dies kann nützlich sein, da es dem Modell Informationen über die Verteilung der Kategorien liefert und oft eine gute Leistung zeigt. Das Zuordnen von Ganzzahlen (Ordinal Encoding) ist ungeeignet, da es eine willkürliche Reihenfolge oder Rangfolge zwischen den Farben impliziert, die nicht existiert. Die Länge des Farbnamens ist irrelevant für den Mietpreis. Die RGB-Werte sind für die Dominanz der Außenfarbe nicht direkt relevant und würden eine unnötige Komplexität einführen.