Un científico de datos que utiliza Amazon SageMaker Data Wrangler quiere elegir las variables predictoras que mejor predicen un objetivo. Los predictores están correlacionados con el objetivo y el científico quiere comprender la varianza en diferentes direcciones a través del espacio de características. ¿Qué enfoque satisface estas necesidades?

La opción correcta es usar las herramientas de multicolinealidad de Data Wrangler con el análisis de componentes principales (PCA) para transformar las características y examinar las direcciones de la varianza. PCA es una técnica de reducción de dimensionalidad que transforma las variables correlacionadas en un conjunto de variables no correlacionadas llamadas componentes principales. Estos componentes capturan la mayor parte de la varianza en los datos, permitiendo al científico de datos entender las direcciones de la varianza y seleccionar las variables predictoras más importantes. Las otras opciones son incorrectas porque: Usar las medidas de multicolinealidad de Data Wrangler con VIF solo cuantifica la relación entre variables, pero no ayuda a transformar las características ni a examinar las direcciones de la varianza. Usar la visualización rápida del modelo de Calidad de Datos e Insights de Data Wrangler solo estima la calidad del modelo, no ayuda a seleccionar variables predictoras ni a comprender la varianza. Usar el informe de Calidad de Datos e Insights de Data Wrangler para clasificar las características según su poder predictivo es útil, pero no aborda la necesidad de comprender la varianza en diferentes direcciones a través del espacio de características.