Ein Kreditkartenunternehmen möchte das Training eines Kredit-Scoring-Modells beschleunigen, das aus Tausenden von Rohdatenattributen erstellt wurde, von denen viele stark korreliert sind. Das Training ist langsam und das Modell überfittet. Welche Feature-Engineering-Technik reduziert die Dimensionalität und die Trainingszeit, ohne viele Informationen zu verwerfen?

Autoencoder und PCA sind effektive Dimensionalitätsreduktionstechniken. PCA transformiert korrelierte Features in einen kleineren Satz unkorrelierter Hauptkomponenten, die den Großteil der Varianz der Daten erfassen. Autoencoder lernen eine komprimierte Darstellung der Eingabedaten. Beide Methoden reduzieren die Anzahl der Features erheblich, was die Trainingszeit verkürzt und Overfitting mindert, ohne wesentliche Informationen zu verlieren. Das Berechnen der Feature-Selbstkorrelation und das Entfernen von Features ist eine grobe Methode, die Informationen verlieren kann. Normalisierung ändert die Dimensionalität nicht. Das Clustern und Entnehmen von Stichproben reduziert die Datenmenge, nicht die Dimensionalität der Features, und kann wichtige Muster übersehen.