Przygotuj cechę kategoryczną miasta dla modelu regresji liniowej BigQuery ML z minimalnym kodowaniem, zachowując jednocześnie informacje predykcyjne. Co należy zrobić?

Prawidłowa odpowiedź to użycie BigQuery SQL do zakodowania miasta metodą one-hot encoding na kolumny binarne. One-hot encoding jest standardową techniką przetwarzania wstępnego cech kategorycznych dla modeli regresji liniowej, ponieważ przekształca wartości kategoryczne w format zrozumiały dla algorytmu, zachowując jednocześnie informacje predykcyjne i unikając wprowadzenia sztucznej kolejności. BigQuery ML obsługuje tę transformację bezpośrednio za pomocą funkcji SQL, co minimalizuje kodowanie. Pominięcie kolumny miasta (opcja 1) spowodowałoby utratę cennych informacji predykcyjnych. Użycie TensorFlow (opcja 3) jest niepotrzebne, ponieważ BigQuery ML oferuje natywne możliwości przetwarzania wstępnego. Mapowanie miast na etykiety numeryczne (opcja 4) wprowadziłoby sztuczną kolejność lub relację między miastami, co jest niewłaściwe dla cech kategorycznych bez inherentnej kolejności.