Een meerkeuze-enquête stelt respondenten in staat om meerdere opties per vraag te selecteren. U moet de selecties van elke respondent volledig weergeven in een dataset om een logistisch regressiemodel te trainen. Welke aanpak biedt een uitgebreide weergave die geschikt is voor logistische regressie?

One-hot encoding creëert een binaire (0 of 1) feature voor elke mogelijke optie per vraag. Als een respondent een optie selecteert, is de waarde 1; anders is deze 0. Dit vertegenwoordigt de selecties van elke respondent volledig en is direct bruikbaar voor logistische regressie, die binaire of numerieke input vereist. Binning is ongeschikt omdat het continue gegevens in discrete categorieën groepeert, wat niet van toepassing is op meerdere selecties per vraag. Amazon Mechanical Turk en Amazon Textract zijn tools voor respectievelijk menselijke annotatie en tekstextractie, niet voor het transformeren van multiple-choice data naar een geschikt formaat voor logistische regressie.