6. 在進行資料分析時，會遇到類別型(Categorical)與數值型 (Numerical) 資料格式。關於這兩種資料格式的處理，下列敘述何者不正確？ (A)One-Hot 編碼(One-Hot Encoding)會將類別變數轉換為多維二元向量，適用於無序(Nominal)類別資料，但在高基數(High Cardinality)特徵下可能造成維度爆炸問題； (B)標籤編碼(Label Encoding)會以整數表示不同類別，若應用於無序 (Nominal)資料，可能導致模型誤將編碼值解讀為具數值大小關係的特徵； (C)標準化(Standardization)透過將資料平移與縮放，使其平均值為0、標準差為 1，可在多數距離型演算法中改善收斂速度，並同時將數值範圍壓縮至 0 至 1 之間； (D)對連續變數進行分箱(Binning)可提升模型可解釋性，但若分段方式未依據資料分佈特性設計，可能導致資訊損失或邊界偏誤