Tiene un conjunto de datos tabular con 150 características correlacionadas que tienen diferentes rangos numéricos y necesita reducir la dimensionalidad con un impacto mínimo en el rendimiento del modelo antes de entrenar un modelo de regresión. ¿Qué enfoque de preprocesamiento cumple este objetivo?

La respuesta correcta es escalar las características con un escalador Min-Max y luego aplicar PCA. PCA es sensible a la escala de las características, por lo que es crucial escalar los datos antes de aplicarlo. Min-Max Scaler es adecuado porque transforma las características a un rango específico (típicamente entre 0 y 1), lo que es beneficioso para PCA al asegurar que todas las características contribuyan equitativamente a los componentes principales. SageMaker Data Wrangler facilita este proceso. Aplicar PCA directamente a los datos sin procesar es incorrecto porque las características con rangos numéricos más grandes dominarían los componentes principales, lo que llevaría a resultados subóptimos. Eliminar características correlacionadas antes de PCA es innecesario y podría resultar en la pérdida de información valiosa, ya que PCA está diseñado para manejar y explotar las correlaciones para la reducción de dimensionalidad. El uso de un Standard Scaler en lugar de Min-Max también es una opción válida, pero Min-Max es preferible aquí para transformar a un rango fijo, lo que a menudo beneficia a algoritmos como PCA.