두 글자 국가 코드(예: 뉴질랜드의 경우 NZ)로 기록된 공급업체 위치 데이터셋이 있습니다. 모델 학습을 위해 이러한 코드를 숫자 변수로 변환해야 하며, (1) 정보 손실을 방지하고 (2) 차원 증가를 최소화해야 합니다. 이러한 요구 사항을 충족하는 변환은 무엇입0니까?

유사성 인코딩은 범주형 데이터를 숫자형으로 변환하면서 범주 간의 관계나 유사성을 보존합니다. 이는 정보 손실을 최소화하고, 범주 수가 많을 때 원-핫 인코딩보다 차원 증가를 효과적으로 관리할 수 있습니다. 각 코드에 대한 전체 국가 이름을 추가하는 것은 단순히 다른 범주형 표현을 만드는 것이며, 모델 학습에 직접 사용할 수 있는 숫자형 변수가 아닙니다. 각 국가 코드를 대륙 이름에 매핑하는 것은 정보를 크게 손실시키며, 국가 간의 미묘한 차이를 무시합니다. 원-핫 인코딩은 정보 손실은 없지만, 국가 코드가 많을 경우 차원이 급격히 증가하여 모델 학습에 비효율적일 수 있습니다.