Un ingegnere ML sta preparando l'input per una rete neurale per prevedere il successo di una campagna pubblicitaria. Il dataset include la combinazione di colori della pubblicità come caratteristica categorica. Quale metodo di feature engineering dovrebbe usare l'ingegnere per questi dati categorici sul colore?

La codifica one-hot è il metodo più appropriato per le caratteristiche categoriche nominali come i colori. Trasforma ogni categoria in un vettore binario, dove solo una posizione è "1" e le altre sono "0". Questo evita che l'algoritmo interpreti un ordine o una relazione numerica tra i colori che non esiste, il che accadrebbe con la codifica delle etichette. La codifica delle etichette (label encoding) assegna un numero intero a ciascun colore, introducendo un'ordinamento arbitrario che può confondere il modello. Il padding è usato per uniformare la lunghezza delle sequenze, non per codificare caratteristiche categoriche. La riduzione della dimensionalità è prematura e non è il metodo primario per la codifica iniziale delle caratteristiche categoriche.