Giả sử bạn có một tập dữ liệu chứa 1 triệu bản ghi với 50 đặc trưng, trong đó có nhiều biến phân loại (categorical variables) có độ cao (high cardinality) và mục tiêu là một biến nhị phân. Hãy so sánh hiệu suất tiềm năng giữa Random Forest, XGBoost và Logistic Regression. Đề xuất một quy trình kỹ thuật đặc trưng (feature engineering) cụ thể để xử lý các biến phân loại này và giải thích cách bạn sẽ xử lý vấn đề mất cân bằng lớp (class imbalance).