Sie haben einen tabellarischen Datensatz mit 10.000 Zeilen und 1.020 Features. Es gibt keine fehlenden Werte, wenige Duplikate und etwa 200 Feature-Paare mit einer Korrelation > 0,9. Die Feature-Mittelwerte ähneln den Medianen. Welchen Feature-Engineering-Ansatz sollten Sie beim Trainieren eines Modells in SageMaker anwenden?

Die Hauptkomponentenanalyse (PCA) ist die beste Wahl, da sie die Dimensionalität reduziert, indem sie stark korrelierte Features in weniger, unkorrelierte Komponenten transformiert. Bei 1.020 Features und 200 stark korrelierten Paaren ist dies entscheidend, um Redundanzen zu beseitigen und die Modellleistung zu verbessern, ohne Informationen zu verlieren. Das Löschen von Features mit niedrigen Korrelationen ist nicht sinnvoll, da diese dennoch wichtige Informationen enthalten können und das Problem der Multikollinearität nicht lösen. Anomalieerkennung ist eine andere Aufgabe und nicht für Feature Engineering geeignet. Das Verketten stark korrelierter Features würde die Dimensionalität erhöhen und das Problem der Multikollinearität verschärfen, was zu einem schlechteren Modell führt.