Si dispone di un dataset tabulare con 150 feature correlate che hanno intervalli numerici diversi ed è necessario ridurre la dimensionalità con un impatto minimo sulle prestazioni del modello prima di addestrare un modello di regressione. Quale approccio di pre-elaborazione soddisfa questo obiettivo?

L'opzione corretta è la migliore perché la PCA (Principal Component Analysis) è sensibile alla scala delle feature. Scalare le feature, ad esempio con un Min-Max Scaler, assicura che nessuna feature domini la varianza a causa del suo intervallo numerico maggiore, permettendo alla PCA di identificare i componenti principali in modo più efficace e rappresentativo. SageMaker Data Wrangler semplifica questo processo di pre-elaborazione. Le altre opzioni sono meno efficaci: Applicare la PCA direttamente ai dati raw senza scalatura può portare a risultati distorti, poiché le feature con intervalli più ampi avranno un peso sproporzionato. Rimuovere le feature più o meno correlate prima della PCA non è l'approccio ottimale per la riduzione della dimensionalità con PCA. La PCA stessa è progettata per gestire le correlazioni e trovare le direzioni di massima varianza. Inoltre, l'uso di uno Standard Scaler o Min-Max Scaler è meno cruciale della scalatura stessa, ma la rimozione arbitraria di feature può far perdere informazioni utili.