一家旅遊平台希望建立模型，預測顧客下次是否會再次透過該平台訂房。資料包含：顧客 ID、年齡、旅遊次數、平均花費金額、主要交通方式（火車/飛機/自駕/公車） 、會員等級（普通/進階/白金） 、是否為海外旅遊等。下列哪一種特徵工程方法最適合處理 「主要交通方式」欄位？

某保險公司建立 AI 理賠金額預測模型。歷史理賠資料經檢定後呈近似常態分佈， 但仍存在少數極端高額案件。資料科學團隊在不破壞整體分佈特性的前提下，規劃進行離群值處理。下列何者最不適當？

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？

某銀行建立機器學習模型預測客戶的貸款違約風險。資料集中有一個「職業類別」欄位，包含「工程師、教師、業務、自由業」等類別。工程師計劃將此欄位進行編碼處理後直接輸入線性模型。下列哪一種編碼方式最可能導致模型錯誤解讀類別之間的關係？