一位工程師使用 SageMaker Data Wrangler 時，發現一個文字類別特徵有數千個因拼寫錯誤而略有不同的值。請問應該使用哪種編碼方法，才能讓處理後的特徵用於分類？

相似度編碼 (Similarity Encoding) 適用於處理具有大量拼寫錯誤或輕微變化的文字類別特徵。它能將相似的字串分組，並為這些群組創建新的數值表示，有效減少特徵的維度並處理資料雜訊，使模型能夠學習這些相似值之間的關係。 序數編碼 (Ordinal Encoding) 適用於具有固有順序的類別，但此處的拼寫錯誤沒有順序關係。獨熱編碼 (One-Hot Encoding) 會為每個獨特值創建一個新欄位，對於數千個獨特值會導致維度爆炸。目標編碼 (Target Encoding) 將類別替換為目標變數的統計量，雖然可以處理高基數特徵，但無法解決拼寫錯誤導致的資料雜訊問題，且可能引入資料洩漏。