Durante l'analisi esplorativa dei dati, diverse feature categoriche contengono valori mancanti. Come può l'ingegnere ML utilizzare SageMaker per gestire questi valori categorici mancanti?

L'opzione corretta è "Utilizzare SageMaker Data Wrangler per imputare le feature categoriche con il valore modale". SageMaker Data Wrangler è uno strumento di preparazione dei dati che consente di pulire e trasformare i dati, inclusa la gestione dei valori mancanti. Per le feature categoriche, l'imputazione con il valore modale (il valore che appare più frequentemente) è una strategia comune e appropriata, poiché il valore medio non ha senso per i dati categorici. SageMaker Clarify è uno strumento per la comprensione e la valutazione dei modelli di machine learning, non per la preparazione dei dati. L'imputazione con il valore medio è adatta solo per feature numeriche, non categoriche.