iPAS AI 應用規劃師中級 115 年第一次 科二 第 11 題 詳解

115 年第一次 科二 大數據處理分析與應用

某團隊為電信公司建立用戶月租方案續約預測模型，資料集包含兩個類別特徵：「客服評價」共有5個等級（非常不滿意至非常滿意），具明確順序關係；「居住縣市」共有22個不同類別，類別之間無順序關係。團隊計劃分別以Logistic Regression與XGBoost訓練模型，並對上述特徵進行編碼。請問下列哪個編碼方案最適當？

1. A兩模型皆將「客服評價」與「居住縣市」進行One-Hot Encoding，保留全部欄位並使用相同特徵矩陣訓練模型

   順序特徵被拆成獨立欄位，且未去除虛擬變數陷阱。

2. BLogistic Regression將「客服評價」做Ordinal Encoding、「居住縣市」以歷史續約率進行編碼且於資料切分前計算；XGBoost對兩個特徵皆採Ordinal Encoding處理

   目標編碼在資料切分前計算，造成標籤洩漏。

3. CLogistic Regression將「客服評價」做Ordinal Encoding、「居住縣市」進行One-Hot Encoding並採Drop First；XGBoost將「客服評價」採Ordinal Encoding，「居住縣市」以類別型態輸入並啟用enable_categorical（正確答案）

   順序、無序與模型特性皆對應正確。

4. D兩個模型均將「客服評價」以平均續約率進行編碼，「居住縣市」先做One-Hot Encoding再以PCA降維，並統一作為兩模型輸入特徵

   以平均續約率編碼並用PCA，洩漏且破壞可解釋性。