Un'azienda di carte di credito desidera velocizzare l'addestramento di un modello di credit scoring costruito da migliaia di attributi grezzi, molti dei quali sono altamente correlati. L'addestramento è lento e il modello è soggetto a overfitting. Quale tecnica di feature engineering ridurrà la dimensionalità e il tempo di addestramento senza scartare molte informazioni?

Un autoencoder o la PCA sono tecniche efficaci per la riduzione della dimensionalità. Entrambe creano un set più piccolo di nuove feature (componenti o codifiche latenti) che catturano la maggior parte della varianza dei dati originali, riducendo le feature altamente correlate e mitigando l'overfitting. Questo accelera l'addestramento mantenendo le informazioni essenziali. Calcolare l'autocorrelazione e scartare le feature è un approccio euristico che potrebbe rimuovere informazioni utili o non ridurre sufficientemente la dimensionalità. La normalizzazione scala le feature ma non riduce la loro dimensionalità né la correlazione. Il raggruppamento con k-means e il campionamento riducono la dimensione del dataset di addestramento, ma non affrontano direttamente la dimensionalità delle feature né la correlazione tra di esse.