Подготовьте категориальный признак города для модели линейной регрессии BigQuery ML с минимальным кодированием, сохраняя при этом прогностическую информацию. Что вы должны сделать?

Для использования категориального признака города в модели линейной регрессии BigQuery ML необходимо преобразовать его в числовой формат. One-hot кодирование (горячее кодирование) является стандартным и эффективным методом для этого. Оно создает новые бинарные столбцы (0 или 1) для каждой уникальной категории города, что позволяет модели корректно интерпретировать категориальные данные без предположения об их порядковой зависимости. Это сохраняет всю прогностическую информацию. Исключение столбца city (первый вариант) приведет к потере важной информации. Использование TensorFlow для создания категориальной переменной (третий вариант) является избыточным и более сложным для данной задачи, так как BigQuery ML поддерживает преобразования непосредственно в SQL. Сопоставление городов с числовой меткой региона (четвертый вариант) может ввести ложную порядковую зависимость, что негативно скажется на линейной регрессии.