一位数据科学家正在分析包含约1000万行和10个特征的就业数据。收入和年龄分布都呈右偏态。哪些特征转换有助于纠正偏态？（选择两项。）

对数变换（如log或sqrt）常用于处理右偏态（正偏态）数据，通过压缩较大值并拉伸较小值来使其分布更接近对称或正态分布，这有助于许多机器学习模型更好地工作。对数值进行分箱是将连续数值特征划分为离散区间，这可以减少偏态的影响，并使模型对异常值更具鲁棒性，同时捕捉非线性关系。交叉验证是模型评估技术，与特征转换无关。高阶多项式变换会增加特征的复杂性，可能加剧偏态而非纠正。独热编码用于处理分类变量，与数值特征的偏态无关。