범주형 Day_Of_Week 필드가 포함된 데이터 세트가 있으며, 이를 머신러닝 모델에서 사용할 수 있도록 이진 지표 변수로 변환해야 합니다. 어떤 기술을 사용해야 할까요?

범주형 데이터를 머신러닝 모델에 사용할 수 있도록 이진 지표 변수로 변환하는 가장 적절한 기술은 원-핫 인코딩(One-hot encoding)입니다. 원-핫 인코딩은 각 범주를 고유한 이진 벡터로 변환하여, 해당 범주에 해당하는 위치는 1이고 나머지는 0인 형태로 만듭니다. 이는 모델이 범주 간의 서수 관계를 잘못 가정하는 것을 방지하고, 각 범주를 독립적인 특성으로 처리할 수 있게 합니다. 바이너리화(Binarization)는 데이터를 0과 1의 두 가지 값으로만 변환하는 것으로, 여러 범주를 가진 DayOfWeek 필드에는 적합하지 않습니다. 토큰화(Tokenization)는 텍스트 데이터를 단어 또는 하위 단어 단위로 분리하는 과정으로, 범주형 필드 변환과는 관련이 없습니다. 정규화 변환(Normalization transformation)은 데이터의 스케일을 조정하는 기술로, 범주형 데이터를 이진 지표 변수로 변환하는 목적과는 다릅니다.