您需要為 BigQuery ML 線性迴歸模型準備一個城市類別特徵，並以最少的程式碼量保留預測資訊。您應該怎麼做？

在 BigQuery ML 中，線性迴歸模型無法直接處理類別特徵。獨熱編碼 (one-hot encoding) 是將類別特徵轉換為數值形式的標準方法，為每個類別值創建一個新的二進位欄位（0 或 1），這能讓模型有效利用這些資訊。BigQuery SQL 提供了方便的函數（例如 ML.FEATURETRANSFORM 或手動使用 CASE 語句）來執行此操作，以最少的程式碼量實現。省略城市欄位會丟失重要的預測資訊。使用 TensorFlow 建立詞彙檔案更適用於複雜的深度學習模型，對於簡單的線性迴歸而言過於複雜。將城市映射到數字區域標籤會引入序數關係，這可能不適用於所有類別特徵，且會丟失原始類別的區分度。