Con respecto a las transformaciones de las variables explicativas y la variable objetivo en el desafío de churn de clientes:
Estuve revisando la respuesta del instructor Wilfredo Antonio Rojas Camejo a la duda de un compañero sobre por qué se utilizan métodos diferentes para codificar las variables explicativas y la variable objetivo. Hubo una parte de su respuesta que me llamó la atención, donde menciona lo siguiente:
"Por otro lado, para la variable de respuesta, que también es categórica pero representa la clase que queremos predecir (como 'churn' o 'no churn'), se utiliza el LabelEncoder. Este método asigna un número entero a cada categoría. Es una transformación adecuada cuando la variable de respuesta tiene solo dos categorías, ya que convierte directamente 'churn' en 1 y 'no churn' en 0, por ejemplo."
A partir de esto me surgió la siguiente duda:
Si la variable de respuesta tiene dos categorías, pero estas ya están representadas en formato binario (0 y 1), es necesario aplicarle nuevamente una transformación con LabelEncoder? además me surgió la misma inquietud con algunas variables explicativas como 'tiene_tarjeta_credito' y 'miembro_activo' que también contienen dos categorías y sus valores ya están en formato binario (0 y 1). En estos casos, ¿por qué sería necesario aplicar una transformación adicional con OneHotEncoder o LabelEncoder?
Muchas gracias de antemano.
