Um engenheiro de ML está construindo um modelo para prever preços de casas e apartamentos usando três características: metros quadrados, preço e idade do edifício. O conjunto de dados (10.000 linhas) contém valores extremos: uma mansão muito grande e um apartamento extremamente pequeno. Para garantir que o modelo faça previsões precisas para propriedades típicas, qual abordagem de pré-processamento deve ser usada?

Remover os outliers é crucial porque valores extremos como uma mansão ou um apartamento minúsculo podem distorcer o modelo, fazendo com que ele aprenda padrões que não são representativos da maioria das propriedades. A transformação logarítmica na característica "metros quadrados" é eficaz para dados com distribuição assimétrica (skewed data), como áreas de imóveis. Ela comprime a escala dos valores maiores e expande a dos menores, ajudando a normalizar a distribuição e a reduzir o impacto residual de valores mais altos, mesmo após a remoção de outliers, melhorando a performance de muitos algoritmos de ML. Manter os outliers (opções 2 e 4) faria com que o modelo fosse excessivamente influenciado por esses casos atípicos. One-hot encoding (opções 3 e 4) é inadequado para características numéricas contínuas como "metros quadrados"; é usado para características categóricas.