Un ingegnere ML ha una colonna day_of_week con i valori Monday, Tuesday, Wednesday, Thursday, Friday, Saturday e Sunday. Quale tecnica dovrebbe usare l'ingegnere per convertire questa colonna categorica in variabili indicatrici binarie?

La codifica one-hot è la tecnica più appropriata per convertire la colonna dayofweek in variabili indicatrici binarie. Questa tecnica crea una nuova colonna binaria per ogni categoria unica (ad esempio, isMonday, isTuesday), assegnando 1 alla colonna corrispondente se il valore originale è presente e 0 altrimenti. Questo evita di introdurre un ordine implicito che non esiste tra i giorni della settimana, il che potrebbe confondere il modello. La codifica binaria è utile per categorie con molte classi, ma non genera direttamente variabili indicatrici per ogni categoria. La codifica di etichette assegna un numero intero a ciascuna categoria, introducendo un ordine ordinale che non è corretto per i giorni della settimana. La tokenizzazione è usata principalmente per il testo, suddividendo le frasi in parole o sottoparole.