在一個同時包含連續型特徵與類別型特徵的資料集中，若希望透過適當的特徵工程流程來提升模型整體表現，下列哪一種作法最為合適？
iPAS 考題解析
在一個同時包含連續型特徵與類別型特徵的資料集中，若希望透過適當的特徵工程流程來提升模型整體表現，下列哪一種作法最為合適？
- A. 將類別型特徵使用標籤編碼（Label Encoding）轉換後，與連續特徵直接合併進行模型訓練
- B. 將連續特徵進行離散化（Discretization）或分桶（Binning）轉為類別型特徵，統一以類別方式處理
- C. 對連續特徵做標準化（Standardization），類別特徵採用目標編碼（Target Encoding），並生成交互特徵提升模型表現 ✓ 正確答案
- D. 只保留連續特徵，忽略類別型變量以簡化模型
詳細解析
針對不同類型特徵採用適當的處理策略（連續特徵標準化、類別特徵目標編碼），並生成交互特徵捕捉跨特徵的非線性關係，是全面且有效提升模型表現的特徵工程最佳實踐。
出題年份：114 難度：★★☆