À l'aide d'Amazon SageMaker Data Wrangler, un scientifique des données souhaite choisir les variables prédictives qui prédisent le mieux une cible. Les prédicteurs sont corrélés à la cible et le scientifique souhaite comprendre la variance dans différentes directions à travers l'espace des caractéristiques. Quelle approche répond à ces besoins ?

L'analyse en composantes principales (PCA) est la bonne approche car elle réduit la dimensionnalité en transformant les variables originales en un nouvel ensemble de variables non corrélées (composantes principales) qui capturent la majeure partie de la variance des données. Cela permet d'identifier les directions de variance les plus significatives et de gérer la multicolinéarité. Les mesures de multicolinéarité avec VIF quantifient la relation entre les variables mais ne transforment pas les caractéristiques ni n'examinent les directions de variance. La visualisation rapide du modèle et le rapport de qualité des données évaluent la qualité des données ou classent les caractéristiques, mais ne répondent pas au besoin de comprendre la variance dans différentes directions de l'espace des caractéristiques.