あるMLエンジニアが、「はい」または「いいえ」のみのアンケート回答を持っています。データセットの次元数を増やすことなく、モデルトレーニングを改善する単一の機能にこれらの回答を変換する必要があります。これらの制約を満たす方法はどれですか？（2つ選択してください。）

「はい」または「いいえ」のような2値のカテゴリデータの場合、バイナリエンコーディングとラベルエンコーディングはどちらも次元数を増やさずにデータを数値に変換できます。バイナリエンコーディングは「はい」を1、「いいえ」を0のように直接マッピングします。ラベルエンコーディングも同様に、カテゴリに整数（例：「はい」=1、「いいえ」=0）を割り当てます。どちらの方法も、元の1つの特徴量を1つの数値特徴量に変換するため、次元数は変わりません。 ワンホットエンコーディングは、カテゴリごとに新しい列を作成するため、次元数を増やしてしまいます。統計的補完は欠損値の処理に使用され、特徴量変換ではありません。トークン化はテキストデータに適用されるもので、アンケートの回答には不適切です。