Vous disposez d'un jeu de données tabulaires avec 150 caractéristiques corrélées ayant des plages numériques différentes et vous devez réduire la dimensionnalité avec un impact minimal sur les performances du modèle avant d'entraîner un modèle de régression. Quelle approche de prétraitement répond à cet objectif ?

La bonne approche consiste à mettre à l'échelle les caractéristiques avant d'appliquer la PCA. La PCA est sensible à la variance des caractéristiques et peut donner plus de poids aux caractéristiques avec des plages numériques plus grandes. Un Min-Max Scaler (ou un Standard Scaler) normalise les caractéristiques à une plage commune, garantissant que la PCA traite toutes les caractéristiques de manière égale, ce qui est crucial pour des résultats significatifs et une performance optimale du modèle. SageMaker Data Wrangler simplifie ce processus. Appliquer la PCA directement sur des données brutes (première option) est incorrect car les plages différentes des caractéristiques biaiseraient la PCA. Supprimer des caractéristiques (troisième et quatrième options) avant la PCA n'est pas idéal car la PCA est conçue pour gérer les corrélations et la redondance en transformant les données, préservant ainsi plus d'informations que la simple suppression.