Ein Machine-Learning-Ingenieur, der Daten für ein Klassifizierungsmodell vorbereitet, stellt fest, dass einige kontinuierliche numerische Merkmale Werte aufweisen, die viel größer sind als die anderen. Ein Domänenexperte bestätigt, dass die Merkmale informativ und der Datensatz repräsentativ sind. Die Genauigkeit des trainierten Modells ist geringer als erwartet. Welcher Vorverarbeitungsschritt wird die Inferenzgenauigkeit am meisten verbessern?

Die Normalisierung von Merkmalen mit unverhältnismäßig großen Werten (z. B. Skalierung auf einen Bereich von 0 bis 1 oder Standardisierung auf einen Mittelwert von 0 und eine Standardabweichung von 1) ist entscheidend, um die Leistung von Klassifizierungsmodellen zu verbessern. Viele Machine-Learning-Algorithmen sind empfindlich gegenüber der Skala der Eingabemerkmale. Wenn einige Merkmale viel größere Werte haben als andere, können sie den Lernprozess dominieren und dazu führen, dass das Modell die Beiträge anderer, potenziell wichtiger Merkmale vernachlässigt. Dies führt zu einer geringeren Inferenzgenauigkeit. Bootstrapping ist eine Resampling-Methode, die zur Schätzung von Statistiken oder zur Erhöhung der Robustheit von Modellen verwendet wird, aber nicht direkt die Skalierungsprobleme von Merkmalen löst. Das Entfernen informativer Merkmale ist kontraproduktiv, da der Domänenexperte bestätigt hat, dass sie wichtig sind. Das Erstellen extrapolierter synthetischer Merkmale ist eine fortgeschrittene Technik, die nicht primär dazu dient, Skalierungsprobleme zu beheben, und kann bei unsachgemäßer Anwendung zu Rauschen führen.