Un ingeniero de ML tiene una columna day_of_week con los valores Monday, Tuesday, Wednesday, Thursday, Friday, Saturday y Sunday. ¿Qué técnica debería usar el ingeniero para convertir esta columna categórica en variables indicadoras binarias?

La codificación one-hot es la técnica adecuada porque convierte cada categoría única (como los días de la semana) en una nueva columna binaria. Por ejemplo, "Monday" se representaría como [1, 0, 0, 0, 0, 0, 0] y "Tuesday" como [0, 1, 0, 0, 0, 0, 0]. Esto evita que el modelo infiera un orden o una relación numérica entre los días, lo cual no existe. La codificación binaria es útil para categorías con muchos valores únicos, pero introduce una representación numérica que podría ser malinterpretada. La codificación de etiquetas asigna un número entero a cada categoría, lo que implica un orden ordinal que no es apropiado para los días de la semana. La tokenización se usa principalmente para texto, dividiéndolo en unidades más pequeñas.