É possível representar valores de uma variável categórica com números concatenados?

Oi, Guilherme! Tudo bem com você?

Quando tratamos os dados para um modelo machine learning, devemos nos atentar para o conceito de valores categóricos e hierárquicos. Dados categóricos têm o mesmo nível de valor e servem apenas para definir classes, já os hierárquicos forma uma hierarquia de valores, tendo uns considerados superiores a outros.

Como c++, java, python e ruby são dados categóricos é preciso que todas essas classes sejam analisadas de forma igual. Ao seguir sua tabela, o modelo pode aprender que c++ corresponderá ao número 1000, java 100 e assim por diante, tornando seus dados hierárquicos. Eu entendo que sua sugestão também podem ter vindo de valores binários, mas o aprendizado de um modelo é baseado em conceitos matemáticos que consideram números como decimais, então é mais interessante para esse caso fazer uma separação bem categórica dos dados, no encoding.

Para saber mais sobre a técnica de encoding, você pode assistir a aula Encoding do curso Modelos preditivos em dados: detecção de fraude. Esse curso explora classificação supervisionada de forma mais avançada, então sugiro apenas assistir a parte da aula que a instrutora explica sobre a escolha do encoding e a importância dessa escolha.

Espero ter te ajudado. Bons estudos!