Una compañía de tarjetas de crédito quiere acelerar el entrenamiento de un modelo de puntuación de crédito construido a partir de miles de atributos brutos, muchos de los cuales están altamente correlacionados. El entrenamiento es lento y el modelo se sobreajusta. ¿Qué técnica de ingeniería de características reducirá la dimensionalidad y el tiempo de entrenamiento sin descartar mucha información?

Un autoencoder o PCA son técnicas de reducción de dimensionalidad que transforman un conjunto grande de características correlacionadas en un conjunto más pequeño de nuevas características no correlacionadas (o menos correlacionadas), preservando la mayor parte de la varianza de los datos. Esto reduce el tiempo de entrenamiento y mitiga el sobreajuste al eliminar la redundancia. Calcular la autocorrelación y eliminar características puede descartar información valiosa si las características correlacionadas tienen un poder predictivo único. Normalizar las características escala los datos pero no reduce la dimensionalidad ni la correlación. Agrupar y muestrear reduce el tamaño del conjunto de datos, pero no aborda directamente la alta dimensionalidad o la correlación entre las características originales, y puede perder información importante.