# Feature Engineering (Data Science & ML)

> การ encoding หมวดหมู่, scaling, normalization, feature selection, การสร้าง feature, pipelines

- 22 คำถามสัมภาษณ์
- Mid-Level
- [คำถามสัมภาษณ์: Data Science & ML](https://sharpskill.dev/th/technologies/data-science/interview-questions.md)

## 1. ควรใช้ encoding ประเภทใดสำหรับตัวแปร categorical แบบ nominal ที่มีหมวดหมู่แตกต่างกันน้อย (น้อยกว่า 10)?

**คำตอบ**

One-Hot Encoding เหมาะสำหรับตัวแปร nominal ที่มีหมวดหมู่น้อยเพราะสร้างคอลัมน์ binary สำหรับแต่ละหมวดหมู่โดยไม่สร้างลำดับเทียม ต่างจาก Label Encoding ที่กำหนดตัวเลข (0, 1, 2...) One-Hot ป้องกันไม่ให้ model ตีความความสัมพันธ์เชิงลำดับที่ไม่มีอยู่จริงระหว่างหมวดหมู่

## 2. ความแตกต่างหลักระหว่าง StandardScaler และ MinMaxScaler คืออะไร?

**คำตอบ**

StandardScaler จัดข้อมูลให้อยู่กึ่งกลางรอบ 0 ด้วยส่วนเบี่ยงเบนมาตรฐาน 1 (z-score) ในขณะที่ MinMaxScaler ปรับข้อมูลให้อยู่ในช่วงคงที่ ปกติคือ [0, 1] StandardScaler ไวน้อยกว่าต่อ outliers เพราะใช้ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน ในขณะที่ MinMaxScaler อาจได้รับผลกระทบอย่างมากจากค่าที่สูงมาก

## 3. ควรเลือกใช้ scaler ใดเมื่อข้อมูลมี outliers ที่สำคัญ?

**คำตอบ**

RobustScaler ใช้มัธยฐานและช่วงควอไทล์ (IQR) แทนค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน ทำให้ robust ต่อ outliers ค่าที่สูงมากไม่ส่งผลกระทบอย่างมีนัยสำคัญต่อสถิติเหล่านี้ ต่างจาก StandardScaler หรือ MinMaxScaler ที่อาจมีอคติอย่างมากจาก outliers

## มีอีก 19 คำถาม

- Label Encoding คืออะไรและเมื่อใดที่เหมาะสมจะใช้?
- Target Encoding สามารถก่อให้เกิดปัญหาอะไรและจะหลีกเลี่ยงอย่างไร?

สมัครฟรี: https://sharpskill.dev/th/login

## หัวข้อสัมภาษณ์ Data Science & ML อื่นๆ

- [พื้นฐาน Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-basics.md): 25 คำถาม, Junior
- [การเขียนโปรแกรมเชิงวัตถุด้วย Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-oop.md): 20 คำถาม, Junior
- [โครงสร้างข้อมูล Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-data-structures.md): 20 คำถาม, Junior
- [พื้นฐาน Git](https://sharpskill.dev/th/technologies/data-science/interview-questions/git-fundamentals.md): 18 คำถาม, Junior
- [พื้นฐาน SQL](https://sharpskill.dev/th/technologies/data-science/interview-questions/sql-basics.md): 20 คำถาม, Junior
- [พื้นฐาน NumPy](https://sharpskill.dev/th/technologies/data-science/interview-questions/numpy-fundamentals.md): 22 คำถาม, Junior
- [พื้นฐาน Pandas](https://sharpskill.dev/th/technologies/data-science/interview-questions/pandas-basics.md): 22 คำถาม, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/th/technologies/data-science/interview-questions/jupyter-colab.md): 16 คำถาม, Junior
- [SQL Joins และคิวรีขั้นสูง](https://sharpskill.dev/th/technologies/data-science/interview-questions/sql-joins-advanced.md): 22 คำถาม, Mid-Level
- [Pandas ขั้นสูง](https://sharpskill.dev/th/technologies/data-science/interview-questions/pandas-advanced.md): 24 คำถาม, Mid-Level
- [การแสดงผลข้อมูลด้วย Matplotlib & Seaborn](https://sharpskill.dev/th/technologies/data-science/interview-questions/matplotlib-seaborn.md): 20 คำถาม, Mid-Level
- [การแสดงผลแบบโต้ตอบด้วย Plotly](https://sharpskill.dev/th/technologies/data-science/interview-questions/plotly-interactive.md): 18 คำถาม, Mid-Level
- [สถิติเชิงพรรณนา](https://sharpskill.dev/th/technologies/data-science/interview-questions/statistics-descriptive.md): 20 คำถาม, Mid-Level
- [สถิติเชิงอนุมาน](https://sharpskill.dev/th/technologies/data-science/interview-questions/statistics-inferential.md): 24 คำถาม, Mid-Level
- [Web Scraping](https://sharpskill.dev/th/technologies/data-science/interview-questions/web-scraping.md): 18 คำถาม, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/th/technologies/data-science/interview-questions/bigquery-cloud.md): 18 คำถาม, Mid-Level
- [ML แบบมีผู้สอน: การถดถอย](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-supervised-regression.md): 24 คำถาม, Mid-Level
- [ML แบบมีผู้สอน: การจำแนกประเภท](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-supervised-classification.md): 24 คำถาม, Mid-Level
- [Decision Trees และ Ensembles](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-trees-ensembles.md): 24 คำถาม, Mid-Level
- [Unsupervised ML](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-unsupervised.md): 22 คำถาม, Mid-Level
- [ML Pipelines และการตรวจสอบ](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-pipelines-validation.md): 22 คำถาม, Mid-Level
- [Time Series และการพยากรณ์](https://sharpskill.dev/th/technologies/data-science/interview-questions/time-series-forecasting.md): 22 คำถาม, Mid-Level
- [พื้นฐาน Deep Learning](https://sharpskill.dev/th/technologies/data-science/interview-questions/deep-learning-fundamentals.md): 24 คำถาม, Senior
- [TensorFlow & Keras](https://sharpskill.dev/th/technologies/data-science/interview-questions/tensorflow-keras.md): 22 คำถาม, Senior
- [CNN และการจำแนกภาพ](https://sharpskill.dev/th/technologies/data-science/interview-questions/cnn-image-classification.md): 24 คำถาม, Senior
- [RNN และซีเควนซ์](https://sharpskill.dev/th/technologies/data-science/interview-questions/rnn-sequences.md): 22 คำถาม, Senior
- [Transformers และ Attention](https://sharpskill.dev/th/technologies/data-science/interview-questions/transformers-attention.md): 24 คำถาม, Senior
- [NLP และ Hugging Face](https://sharpskill.dev/th/technologies/data-science/interview-questions/nlp-huggingface.md): 24 คำถาม, Senior
- [GenAI และ LangChain](https://sharpskill.dev/th/technologies/data-science/interview-questions/genai-langchain.md): 24 คำถาม, Senior
- [MLOps และการ Deploy](https://sharpskill.dev/th/technologies/data-science/interview-questions/mlops-deployment.md): 24 คำถาม, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/th/technologies/data-science/interview-questions/feature-engineering