Bir ML mühendisinin, değerleri Pazartesi, Salı, Çarşamba, Perşembe, Cuma, Cumartesi ve Pazar olan bir day_of_week sütunu vardır. Mühendis, bu kategorik sütunu ikili gösterge değişkenlerine dönüştürmek için hangi tekniği kullanmalıdır?

One-hot encoding, kategorik verileri makine öğrenimi algoritmalarının anlayabileceği sayısal bir formata dönüştürmek için kullanılan bir tekniktir. Her benzersiz kategori için yeni bir ikili (0 veya 1) sütun oluşturur. Bu durumda, Pazartesi, Salı vb. her bir gün için ayrı bir sütun oluşturulur ve ilgili gün 1, diğerleri 0 olarak işaretlenir. Bu, algoritmaların kategoriler arasındaki sıralama ilişkisi olmadığını varsaymasını sağlar, bu da günler için doğrudur. Binary encoding, kategorileri ikili sayılara dönüştürür ve ardından bu ikili sayıların her bir basamağı için ayrı sütunlar oluşturur. Label encoding, her kategoriye benzersiz bir sayı atar (örneğin, Pazartesi=0, Salı=1). Bu, algoritmaların kategoriler arasında yanlışlıkla bir sıralama ilişkisi olduğunu varsaymasına neden olabilir. Tokenization ise metin verilerini daha küçük birimlere (token'lara) ayırmak için kullanılır ve bu senaryo için uygun değildir.