Un fabricante de dispositivos tiene más de 1000 características candidatas y quiere encontrar las características más importantes que influyen en el precio de venta. ¿Qué técnicas de selección de características se deben utilizar? (Elija tres).

Para identificar las características más importantes entre más de 1000 candidatas que influyen en el precio de venta, se deben usar técnicas de selección de características. Crear una matriz de correlación visualizada como un mapa de calor es útil para identificar relaciones lineales entre características y la variable objetivo, permitiendo descartar características redundantes o poco relevantes. La selección estadística univariada, como pruebas de chi-cuadrado o ANOVA, evalúa la relación individual de cada característica con la variable objetivo, ayudando a seleccionar aquellas con mayor poder predictivo. Finalmente, los modelos basados en árboles (como Random Forest o XGBoost) pueden calcular puntuaciones de importancia de las características, identificando las que más contribuyen a la predicción del modelo. Escalar características numéricas es una técnica de preprocesamiento, no de selección. El binning de datos convierte características continuas en discretas, pero no selecciona características. Aumentar el conjunto de datos con ejemplos sintéticos es una técnica de aumento de datos, no de selección de características.