Você tem um conjunto de dados tabular com 150 recursos correlacionados que possuem diferentes intervalos numéricos e precisa reduzir a dimensionalidade com impacto mínimo no desempenho do modelo antes de treinar um modelo de regressão. Qual abordagem de pré-processamento atende a esse objetivo?

A abordagem correta envolve escalar os recursos antes de aplicar o PCA. O PCA é sensível à escala dos dados; recursos com intervalos maiores podem dominar a variância, distorcendo os componentes principais. O Min-Max scaler normaliza os dados para um intervalo fixo (geralmente 0 a 1), garantindo que todos os recursos contribuam igualmente para a análise de variância do PCA. O SageMaker Data Wrangler facilita essa sequência de pré-processamento. A aplicação direta do PCA a dados não escalados (primeira opção) é inadequada. Remover recursos correlacionados (terceira e quarta opções) pode ser uma etapa útil, mas não substitui a necessidade de escalonamento para PCA e pode descartar informações valiosas se feita sem critério.