Hai un dataset di località di fornitori registrate come codici paese di due lettere (ad esempio, NZ per la Nuova Zelanda). Devi convertire questi codici in variabili numeriche per l'addestramento del modello, (1) evitando qualsiasi perdita di informazioni e (2) minimizzando l'aumento della dimensionalità. Quale trasformazione soddisfa questi requisiti?

La similarity encoding è la soluzione migliore perché converte i codici paese in feature numeriche preservando le relazioni semantiche tra i paesi, il che significa che i paesi simili (ad esempio, geograficamente vicini o culturalmente affini) avranno valori numerici simili. Questo approccio evita la perdita di informazioni e riduce l'aumento della dimensionalità rispetto ad altre tecniche. L'aggiunta del nome completo del paese non è una trasformazione numerica. La mappatura a un nome di continente raggruppa eccessivamente i dati, causando una significativa perdita di informazioni. La one-hot encoding crea una nuova colonna binaria per ogni paese, aumentando drasticamente la dimensionalità e non catturando le relazioni tra i paesi.