Ein Data Scientist analysiert Beschäftigungsdaten mit etwa 10 Millionen Zeilen und 10 Merkmalen. Die Einkommens- und Altersverteilungen sind beide rechtsschief. Welche Merkmalstransformationen würden helfen, die Schiefe zu korrigieren? (Wählen Sie zwei aus.)

Die logarithmische Transformation ist effektiv bei rechtsschiefen Verteilungen, da sie größere Werte stärker komprimiert als kleinere, wodurch die Schiefe reduziert und die Verteilung symmetrischer wird. Das Binnen numerischer Werte (Binning) kann ebenfalls helfen, indem es kontinuierliche Daten in diskrete Intervalle gruppiert. Dies kann die Auswirkungen extremer Werte mindern und die Verteilung glätten. Kreuzvalidierung ist eine Validierungstechnik, keine Transformation. Eine Polynomtransformation hohen Grades kann die Schiefe nicht direkt korrigieren und kann zu Überanpassung führen. One-Hot-Kodierung wird für kategoriale Variablen verwendet, nicht für die Korrektur der Schiefe numerischer Daten.