Un ingegnere ML ha risposte a sondaggi che sono solo "sì" o "no". Deve trasformare queste risposte in una singola feature che migliori l'addestramento del modello senza aumentare la dimensionalità del dataset. Quali metodi soddisfano questi vincoli? (Scegliere due.)

Le risposte "sì" o "no" sono dati categorici binari. Sia il Binary encoding che il Label encoding sono adatti perché trasformano queste due categorie in valori numerici (ad esempio, 0 e 1) utilizzando una singola feature, senza aumentare la dimensionalità. One-hot encoding creerebbe due nuove colonne (una per "sì" e una per "no"), aumentando la dimensionalità, il che è contrario al vincolo. Statistical imputation serve per gestire i valori mancanti, non per codificare dati categorici. Tokenization è una tecnica di elaborazione del linguaggio naturale per suddividere il testo, non applicabile a risposte binarie predefinite.