Kira oranlarını tahmin etmek için bir regresyon modeli geliştiriyorsunuz. Kategorik bir özellik olan Wall_Color, mülkün baskın dış rengini belirtir. Hangi özellik mühendisliği yöntemleri, bu modelin Wall_Color verilerini kullanmasına olanak tanır? (İki tane seçin.)
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Her renk kategorisi için ikili one-hot encoded sütunlar ekleyin., Her renk etiketini, eğitim setindeki frekans sayısıyla değiştirin..
Neden bu cevap
Kategorik verileri regresyon modellerinde kullanabilmek için sayısal formata dönüştürmek gerekir. One-hot encoding, her benzersiz kategori için ikili (0 veya 1) bir sütun oluşturarak modelin bu kategorileri ayrı ayrı işlemesini sağlar. Bu, kategoriler arasında yanlış bir sıralama ilişkisi varsayımını engeller. Frekans sayısıyla değiştirme ise her kategorinin eğitim setindeki görülme sıklığını sayısal bir değer olarak atar. Bu yöntem, kategorilerin popülerliği veya nadirliği hakkında bilgi sağlayarak modelin bu bilgiyi kullanmasına olanak tanır. Renkleri rastgele tam sayılarla eşleştirmek, kategoriler arasında anlamsız bir sıralama ilişkisi yaratır ve modelin yanlış çıkarımlar yapmasına neden olabilir. Renk adının uzunluğu veya RGB değerleri, duvar renginin kira oranıyla doğrudan ilişkili olmayabilecek anlamsız özellikler yaratır.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez