您正在建立一個迴歸模型來預測租金費率。其中一個類別特徵 Wall_Color 表示房產的主要外牆顏色。哪些特徵工程方法能讓此模型使用 Wall_Color 資料？(請選擇兩項)

正確答案是「為每個顏色類別新增二進位 one-hot 編碼欄位」和「將每個顏色標籤替換為其在訓練集中的頻率計數」。One-hot 編碼將每個類別特徵轉換為二進位向量，避免模型誤解類別之間的序數關係，適合於沒有內在順序的類別資料。頻率計數則將類別特徵替換為其在資料集中出現的頻率，這可以捕捉類別的流行程度，並提供數值資訊供模型學習。將顏色對應到任意整數會引入錯誤的序數關係，例如讓模型認為「Red=1」比「White=5」小，這對於沒有自然順序的顏色是沒有意義的。將每個顏色名稱替換為名稱的長度或將每個顏色編碼為 RGB 值，這些方法可能會丟失重要的類別資訊，或引入與租金預測無關的特徵，導致模型性能下降。