一位机器学习工程师正在使用三个特征（平方米、价格和建筑年龄）构建一个模型来预测房屋和公寓价格。该数据集（10,000 行）包含极端值：一栋非常大的豪宅和一间极小的公寓。为了确保模型对典型房产做出准确预测，应该使用哪种预处理方法？

删除异常值并对 Square Meters 特征应用对数变换是最佳选择。极端值（如豪宅和极小公寓）是异常值，它们会扭曲模型对典型房产的预测能力。删除这些异常值可以提高模型的鲁棒性。平方米特征通常呈现偏态分布，对数变换可以使其更接近正态分布，从而改善模型的性能，特别是对于线性模型或基于距离的模型。 保留异常值并对 Square Meters 特征应用归一化会使异常值继续影响模型，归一化虽然能缩放数据，但不能解决偏态分布问题。独热编码适用于分类特征，而不适用于连续数值特征如平方米。