Budujesz model regresji do przewidywania stawek czynszu. Kategoryczna cecha Wall_Color wskazuje dominujący kolor zewnętrzny nieruchomości. Które metody inżynierii cech pozwolą temu modelowi wykorzystać dane Wall_Color? (Wybierz dwie.)

Kodowanie one-hot tworzy nowe kolumny binarne dla każdej unikalnej kategorii, co pozwala modelowi traktować każdą kategorię jako niezależną cechę, unikając błędnego założenia o porządku, które występuje przy mapowaniu na liczby całkowite. Jest to standardowa metoda dla cech nominalnych. Kodowanie częstością (frequency encoding) zastępuje etykietę kategorii jej częstością występowania w zbiorze danych. Może to być skuteczne, ponieważ kategorie o podobnej częstości mogą mieć podobny wpływ na zmienną docelową, a także redukuje wymiarowość w porównaniu do kodowania one-hot, jeśli jest wiele unikalnych kategorii. Mapowanie na dowolne liczby całkowite wprowadza sztuczny porządek, który może zmylić model. Zastąpienie długością nazwy lub wartościami RGB nie ma sensu kontekstowego dla koloru ściany w kontekście czynszu.