Bagian 3.2 #

Fitur kategorikal #

Pola praktis untuk mengodekan kategori, menangani level langka, mengatasi kardinalitas tinggi, dan menggabungkan dengan fitur numerik di dalam pipeline.

Pengodean umum #

• One‑hot / Dummy: aman untuk kardinalitas rendah; perhatikan dimensi.
• Ordinal: saat ada urutan alami (rendah < sedang < tinggi).
• Target / Mean: kuat, wajib CV‑encoding untuk mencegah kebocoran.
• Hashing: skalabel untuk kardinalitas tinggi; tabrakan tidak dapat dibalik.

Tips #

• Gabungkan level langka (ambang frekuensi) agar model stabil.
• Letakkan pengodean dalam Pipeline untuk mencegah kebocoran train/test.
• Untuk pohon/GBM, one‑hot sering cukup; model linear terbantu oleh pilihan ordinal/target yang hati‑hati.