类别型数据：随堂测验#
随堂测验： 共 5 题，你必须至少答对 4 题才能通过。
请勿作弊！等你确认已经掌握本模块的全部内容之后，再回来作答。
下面正式进入 5 道测验题。题目结束后放了一个折叠的答案区，建议先把 5 题全部做完，再统一展开对照——一次只对一道题，很容易把「想得起来」误当成「真懂」。
第 1 题：哪些字段属于类别型数据#
以下哪些是类别型数据的例子？（多选）
A. 一本书的页数
B. 电话号码
C. 薯条的形状（弯条、褶皱切、牛排切、华夫格）
D. 餐厅的星级评分（1 到 5 星，其中 1 星代表「差」，5 星代表「极好」）
第 2 题：金标签还是银标签#
判断并说明：机器标签通常比人工评分者提供的标签更受欢迎。
A. 正确（True）
B. 错误（False）
第 3 题：唯一合法的编码形式#
你正在一个训练数据集上训练模型，其中有一个特征 eye_color，它的取值是以下六个之一：amber、blue、brown、gray、green、hazel。
下列哪些是 eye_color 取值为 blue 时的合法编码？（多选）
A.
[0, 1, 0, 0, 0, 0]B.
[1]C.
[1, 2, 3, 4, 5, 6]D.
[0, 1]E.
[1, 0, 2, 3, 4, 5]
第 4 题：什么时候该用特征哈希#
下列哪种场景适合使用特征哈希（feature hashing）？
A. 类别型特征的取值数量非常大
B. 类别型特征的取值数量非常小
C. 模型正在离线训练
D. 类别型特征的所有可能取值都能提前枚举出来
第 5 题：特征交叉的向量规模#
你正在对以下两个类别型特征做特征交叉：
apple_color，取值共 4 个：green、red、white或yellowapple_texture，取值共 2 个：crisp或mushy
得到的特征交叉向量有多少个元素？
A. 1
B. 2
C. 6
D. 8