Utilizzando Amazon SageMaker Data Wrangler, uno scienziato dei dati desidera scegliere le variabili predittive che meglio prevedono un target. I predittori sono correlati al target e lo scienziato vuole comprendere la varianza in diverse direzioni attraverso lo spazio delle feature. Quale approccio soddisfa queste esigenze?

La PCA (Principal Component Analysis) è una tecnica di riduzione della dimensionalità che trasforma le feature originali in un nuovo set di feature ortogonali (componenti principali), catturando la massima varianza possibile nei dati. Questo è ideale per comprendere la varianza in diverse direzioni attraverso lo spazio delle feature e per gestire la multicollinearità, poiché le componenti principali sono per definizione non correlate. Data Wrangler offre strumenti per la multicollinearità che possono essere combinati con la PCA. Le misure di multicollinearità con VIF quantificano la correlazione ma non trasformano le feature per esaminare le direzioni della varianza. La visualizzazione rapida del modello Data Quality and Insights e il report Data Quality and Insights sono utili per valutare la qualità dei dati e il potere predittivo, ma non per analizzare la varianza direzionale o trasformare le feature in questo contesto specifico.