あるデバイスメーカーは、1,000を超える候補となる特徴量を持っており、販売価格に影響を与える最も重要な特徴量を見つけたいと考えています。どの特徴量選択手法を使用すべきですか？（3つ選択してください。）

販売価格に影響を与える最も重要な特徴量を見つけるためには、特徴量選択手法が必要です。相関行列をヒートマップとして可視化することで、目的変数との相関が高い特徴量や、特徴量間の多重共線性を特定できます。単変量統計選択は、各特徴量が個別に目的変数とどれだけ関連しているかを評価し、最も予測能力の高い特徴量を選び出します。ツリーベースモデル（例：ランダムフォレスト、勾配ブースティング）は、特徴量の重要度スコアを計算し、モデルの予測に最も貢献する特徴量を特定するのに有効です。 標準化と正規化はスケーリング手法であり、特徴量選択そのものではありません。データビニングは連続特徴量を離散化する手法であり、特徴量の数を減らす目的には直接つながりません。合成例でデータセットを拡張することは、データ不足の問題に対処するものであり、特徴量選択とは異なります。