一位機器學習工程師正在準備神經網路的輸入，以預測廣告活動的成功率。資料集包含廣告的配色方案作為一個類別特徵。工程師應該為這個類別顏色資料使用哪種特徵工程方法？

One-hot 編碼是處理類別特徵的標準方法，特別是當這些特徵之間沒有固有的順序關係時。它將每個類別轉換為一個二進位向量，其中只有一個位置為 1，其餘為 0。這避免了模型錯誤地推斷出類別之間的數值順序，例如，如果使用標籤編碼，模型可能會錯誤地認為數字較大的顏色比數字較小的顏色「更好」或「更重要」。標籤編碼適合具有序數關係的類別。填充用於處理序列資料長度不一的問題。降維則是用於減少特徵數量，通常在特徵維度很高時使用，而非處理原始類別資料。