Sie haben einen Datensatz mit Lieferantenstandorten, die als zweistellige Ländercodes (z. B. NZ für Neuseeland) erfasst sind. Sie müssen diese Codes für das Modelltraining in numerische Variablen umwandeln, wobei (1) kein Informationsverlust vermieden und (2) die Zunahme der Dimensionalität minimiert werden muss. Welche Transformation erfüllt diese Anforderungen?

Die Ähnlichkeitscodierung (Similarity Encoding) ist die beste Option, da sie kategorische Variablen in numerische Merkmale umwandelt, indem sie die Ähnlichkeit zwischen den Kategorien berücksichtigt. Dies minimiert den Informationsverlust und die Dimensionalität, da nicht für jede Kategorie eine neue Spalte erstellt wird. Die One-Hot-Codierung würde die Dimensionalität stark erhöhen, da für jeden Ländercode eine neue Spalte erstellt würde, was bei einer großen Anzahl von Ländern ineffizient wäre. Das Hinzufügen des vollständigen Ländernamens oder die Zuordnung zu Kontinenten würde zwar Informationen hinzufügen, aber nicht direkt eine numerische Transformation für das Modelltraining liefern, und die Kontinentzuordnung würde Informationsverlust bedeuten, da die spezifischen Länderinformationen verloren gingen.