Préparez une caractéristique catégorielle de ville pour un modèle de régression linéaire BigQuery ML avec un minimum de code tout en préservant les informations prédictives. Que devez-vous faire ?

L'encodage one-hot est la méthode la plus appropriée pour préparer une caractéristique catégorielle comme la ville pour un modèle de régression linéaire BigQuery ML avec un minimum de code, tout en préservant les informations prédictives. BigQuery ML prend en charge nativement l'encodage one-hot via la fonction ML.FEATURETRANSFORM. Cela convertit chaque catégorie unique de la colonne "ville" en une nouvelle colonne binaire (0 ou 1), ce qui permet au modèle de régression linéaire de traiter ces informations sans introduire d'ordre arbitraire. Omettre la colonne de la ville (option 1) reviendrait à perdre des informations potentiellement prédictives. Utiliser TensorFlow (option 3) est une approche plus complexe et moins intégrée pour BigQuery ML que l'utilisation directe de SQL. Mapper les villes à des étiquettes numériques (option 4) introduirait un ordre ordinal arbitraire qui n'existe pas intrinsèquement entre les villes, ce qui pourrait induire le modèle en erreur.