某電信公司建立機器學習模型預測用戶流失風險。資料中包含多個類別型特徵（Categorical Features），例如「資費方案類型」與「客戶地區」。為使模型能有效使用這些特徵，下列何者最直接用於將類別型特徵轉換為模型可處理的數值格式？

Question

(A) 資料分群（Data Clustering）
(B) 特徵交叉（Feature Cross）
(C) One-hot 編碼（One-hot Encoding）
(D) 寬深模型（Wide and Deep）

Accepted Answer

正確答案：(C) One-hot 編碼（One-hot Encoding）

機器學習模型吃的是數字，不是文字。「資費方案類型」「客戶地區」這類名目類別（彼此之間沒有大小順序）要進模型，最標準的做法就是 One-hot 編碼：把一個類別欄位展開成多個 0/1 欄位，每個欄位代表一個類別，避免用 1、2、3 編號時被模型誤解成大小關係。