Je hebt een dataset met een categorisch veld Day_Of_Week en je moet dit omzetten naar binaire indicatorvariabelen voor gebruik door een machine learning-model. Welke techniek moet je gebruiken?

One-hot encoding is de juiste techniek omdat het categorische variabelen omzet in een numerieke vorm die machine learning-modellen kunnen begrijpen, zonder een ordinale relatie te impliceren. Voor elke unieke waarde in de DayOfWeek-kolom (bijvoorbeeld Maandag, Dinsdag) wordt een nieuwe binaire kolom gecreëerd. De waarde is 1 als de rij overeenkomt met die dag, en 0 anders. Binarization zet numerieke waarden om in binaire waarden (0 of 1) op basis van een drempelwaarde, wat niet van toepassing is op categorische gegevens. Tokenization wordt gebruikt bij tekstverwerking om tekst op te splitsen in kleinere eenheden (tokens). Normalization transformation schaalt numerieke gegevens naar een specifiek bereik, wat ook niet geschikt is voor categorische waarden.