分類モデルのデータ準備をしている機械学習エンジニアが、いくつかの連続する数値特徴量が他の特徴量よりもはるかに大きい値を持っていることに気づきました。ドメインエキスパートは、その特徴量が有益であり、データセットが代表的であることを確認しています。トレーニングされたモデルの精度は期待よりも低いものでした。推論精度を最も向上させる前処理ステップはどれですか？

不釣り合いに大きな値を持つ特徴量を正規化することで、これらの特徴量がモデルの学習プロセスを支配するのを防ぎ、他の特徴量の寄与を可能にします。これにより、勾配降下法などの最適化アルゴリズムがより効率的に機能し、モデルの汎化能力と推論精度が向上します。ブートストラップはサンプリング手法であり、特徴量のスケールを直接修正するものではありません。特徴量を除去すると、ドメインエキスパートが有益であると確認している重要な情報が失われます。外挿された合成特徴量の作成は、既存のデータの範囲外の値を導入する可能性があり、モデルの精度を低下させる可能性があります。