您正在根据许多经济特征预测未来的就业率，这些特征的量级差异很大。为了防止量级较大的特征主导模型，在训练之前应该应用哪种预处理步骤？

正确答案是标准化特征，使每个特征的均值为 0，方差为 1，从而消除字段之间的尺度差异。当特征的量级差异很大时，标准化（也称为 Z-score 归一化）是常见的预处理步骤。它将所有特征转换到相同的尺度上，防止量级较大的特征在模型训练中占据主导地位，这对于许多机器学习算法（如梯度下降）至关重要。 分位数分箱将连续值转换为分类值，这会丢失原始数值信息，并且不能直接解决量级差异问题。笛卡尔积变换用于创建特征组合，而不是解决量级差异。正交稀疏二元组 (OSB) 变换是一种用于时间序列数据的特征工程技术，与解决特征量级差异无关。