Un ingeniero de ML está preparando la entrada para una red neuronal para predecir el éxito de una campaña publicitaria. El conjunto de datos incluye el esquema de color del anuncio como una característica categórica. ¿Qué método de ingeniería de características debería usar el ingeniero para estos datos de color categóricos?

La codificación one-hot es el método más adecuado para características categóricas nominales como el esquema de color. Transforma cada categoría en un vector binario donde solo el elemento correspondiente a la categoría activa es 1 y los demás son 0. Esto evita que el modelo infiera un orden o una relación numérica entre los colores, lo cual no existe. La codificación de etiquetas asignaría un orden arbitrario (por ejemplo, rojo=1, azul=2, verde=3), lo que podría engañar al modelo para que asuma que el azul es "mayor" que el rojo. El relleno se usa para secuencias de longitud variable, no para características categóricas individuales. La reducción de dimensionalidad es para datos de alta dimensión, no para una característica categórica simple.