Questão 99069

One-Hot Encoding é ideal para variáveis categóricas de alta cardinalidade (muitos valores únicos), pois cria um número manejável de novas features.

Target Encoding substitui cada categoria pela média do valor da variável alvo (target) para aquela categoria. Uma de suas principais desvantagens é o alto risco de vazamento de dados (data leakage) se não for implementado cuidadosamente, por exemplo, usando um esquema de validação cruzada interno.

One-Hot Encoding preserva a informação ordinal de variáveis como 'baixo', 'médio', 'alto', enquanto Target Encoding perde essa informação.

Target Encoding é uma técnica agnóstica de modelo que não utiliza informações da variável alvo, sendo, portanto, mais segura contra overfitting do que o One-Hot Encoding.

A principal vantagem do One-Hot Encoding é que ele não aumenta a dimensionalidade do dataset, ao contrário do Target Encoding.