Ein ML-Ingenieur erstellt ein Modell zur Vorhersage von Haus- und Wohnungspreisen unter Verwendung von drei Merkmalen: Quadratmeter, Preis und Baujahr. Der Datensatz (10.000 Zeilen) enthält Extremwerte: eine sehr große Villa und eine extrem kleine Wohnung. Welcher Vorverarbeitungsansatz sollte verwendet werden, um sicherzustellen, dass das Modell genaue Vorhersagen für typische Immobilien trifft?

Das Entfernen von Ausreißern ist entscheidend, da extreme Werte (sehr große Villa, extrem kleine Wohnung) die Modellleistung für typische Immobilien verzerren können. Eine Log-Transformation auf "Square Meters" ist sinnvoll, um die Schiefe der Daten zu reduzieren und die Varianz zu stabilisieren, was linearen Modellen zugutekommt und die Vorhersagegenauigkeit verbessert. Die Normalisierung (zweite Option) skaliert Daten, behandelt aber Ausreißer nicht effektiv. One-Hot-Kodierung (dritte und vierte Option) ist für kategoriale Merkmale gedacht, nicht für kontinuierliche wie "Square Meters".