予測情報を維持しながら、BigQuery ML 線形回帰モデルの都市カテゴリカル特徴量を最小限のコーディングで準備します。どうすればよいですか？

BigQuery MLでは、カテゴリカル特徴量を線形回帰モデルで利用する際、ワンホットエンコーディングが推奨される一般的な手法です。BigQuery SQLのML.FEATURETRANSFORM関数やCASEステートメント、UNNESTとARRAYAGGを組み合わせることで、都市名をバイナリ列に変換できます。これにより、各都市が独立した特徴量として扱われ、モデルが予測情報を維持しながら学習できます。 都市列を省略すると、その予測情報が失われます。TensorFlowを使用する方法はBigQuery MLの組み込み機能ではないため、追加の複雑さが発生します。Cloud Data Fusionで数値を割り当てる方法は、カテゴリ間の順序関係を誤ってモデルに導入する可能性があり、線形回帰には適していません。