名義尺度に整数ラベルを直接入れない
正解
One-Hot化し、多重共線性を避けるため基準カテゴリを1つ除く(k-1)ことも検討する。
正解になる理由
名義カテゴリに 1,2,3 を入れると、青が赤と緑の中間であるかのような順序・間隔をモデルが仮定します。One-Hotは各カテゴリを独立な指示変数にします。切片付きの線形モデルでは完全なk列を入れると多重共線性(ダミー変数トラップ)が起きるため、基準カテゴリを落とすことがよくあります。木モデルや一部のNNではk列のまま使うこともあります。
各誤答がなぜ誤りか
- 選択肢1: 名義尺度に順序を持ち込んでしまいます。
- 選択肢3: k列のOne-Hotが常に禁止されるわけではありません。モデルによる、が正確です。
- 選択肢2: 平均値置換はカテゴリ差を消します。ターゲットエンコーディングとは別の雑な処理です。