Een ML-engineer heeft een kolom day_of_week met de waarden Monday, Tuesday, Wednesday, Thursday, Friday, Saturday en Sunday. Welke techniek moet de engineer gebruiken om deze categorische kolom om te zetten in binaire indicatorvariabelen?

One-hot encoding is de juiste techniek omdat het elke unieke waarde in de dayofweek-kolom omzet in een nieuwe binaire kolom (0 of 1). Dit voorkomt dat het model een ordinale relatie tussen de dagen aanneemt, wat niet het geval is. Binary encoding zou de categorische waarden eerst omzetten naar gehele getallen en vervolgens die gehele getallen naar binaire code, wat resulteert in minder kolommen dan one-hot encoding, maar nog steeds een ordinale interpretatie kan introduceren. Label encoding zou elke dag een uniek geheel getal toewijzen (bijv. Monday=0, Tuesday=1), wat het model zou laten geloven dat er een ordinale relatie bestaat (bijv. Tuesday is 'groter' dan Monday), wat onjuist is voor dagen van de week. Tokenization wordt gebruikt voor tekstverwerking en is niet geschikt voor dit type categorische data.