Sie haben einen tabellarischen Datensatz mit 150 korrelierten Features, die unterschiedliche numerische Bereiche aufweisen, und müssen die Dimensionalität mit minimalen Auswirkungen auf die Modellleistung reduzieren, bevor Sie ein Regressionsmodell trainieren. Welcher Vorverarbeitungsansatz erfüllt dieses Ziel?

Die korrekte Antwort ist, die Daten in SageMaker Data Wrangler zu öffnen, Features mit einem Min-Max-Scaler zu skalieren und dann den integrierten PCA von SageMaker auf die skalierten Daten anzuwenden. PCA ist empfindlich gegenüber der Skalierung der Features. Wenn Features unterschiedliche numerische Bereiche aufweisen, dominieren Features mit größeren Werten die Hauptkomponenten. Eine Skalierung, wie z.B. mit einem Min-Max-Scaler, stellt sicher, dass alle Features gleichmäßig zum PCA beitragen. SageMaker Data Wrangler bietet eine benutzerfreundliche Oberfläche für diese Vorverarbeitungsschritte. Das direkte Anwenden von PCA ohne Skalierung (erste Option) würde zu suboptimalen Ergebnissen führen, da die Features mit größeren Werten den PCA dominieren würden. Das Entfernen der am stärksten korrelierten Features (dritte Option) ist keine optimale Strategie zur Dimensionsreduktion, da PCA die Korrelationen nutzt, um neue, orthogonale Komponenten zu finden. Das Entfernen der am wenigsten korrelierten Features (vierte Option) ist ebenfalls keine geeignete Methode zur Dimensionsreduktion, da diese Features möglicherweise wichtige Informationen enthalten.