異なる数値範囲を持つ150個の相関する特徴量を含む表形式データセットがあり、回帰モデルをトレーニングする前に、モデルのパフォーマンスへの影響を最小限に抑えながら次元を削減する必要があります。この目標を達成する前処理アプローチはどれですか？

異なる数値範囲を持つ特徴量に対してPCAを適用する前に、Min-Maxスケーリングで特徴量の範囲を正規化することが重要です。これにより、数値範囲の大きい特徴量がPCAの結果に過度に影響を与えることを防ぎ、すべての特徴量が同等に扱われるようになります。SageMaker Data Wranglerは、このスケーリングとPCAの適用を効率的に行うための適切なツールです。未加工のデータに直接PCAを適用すると、範囲の大きい特徴量が支配的になり、次元削減の有効性が低下します。相関の有無にかかわらず特徴量を除去するアプローチは、重要な情報が失われる可能性があり、PCAの目的である情報保持と次元削減を両立させるという点では劣ります。