データエンジニアが、行動予測モデルの顧客データを評価するためにAmazon SageMaker Data Wranglerを使用しています。モデルのパフォーマンスを向上させるために、多重共線性をチェックする必要があります。多重共線性を検出するために、運用上の労力が最も少ない手順はどれですか？（2つ選択してください。）

多重共線性は、予測変数間の高い相関関係を指し、モデルの安定性に影響を与えます。SageMaker Data Wranglerの診断ビジュアライゼーションは、この問題を検出するための組み込みツールを提供します。主成分分析（PCA）と特異値分解（SVD）は、特異値を通じて多重共線性を特定するのに役立ちます。特異値が小さいほど、多重共線性の可能性が高まります。また、LASSO（Least Absolute Shrinkage and Selection Operator）は、多重共線性の影響を軽減し、特徴量選択を行う正則化手法です。LASSOモデルの係数値をプロットすることで、どの特徴量が互いに強く関連しているかを視覚的に確認でき、多重共線性を検出できます。ワンホットエンコーディングやMin Max Scalerはデータ前処理には役立ちますが、直接的に多重共線性を検出するものではありません。Quick Modelは特徴量重要度を示しますが、多重共線性の直接的な診断には向きません。