데이터 엔지니어가 행동 예측 모델을 위한 고객 데이터를 평가하기 위해 Amazon SageMaker Data Wrangler를 사용하고 있습니다. 모델 성능을 향상시키기 위해 다중공선성(multicollinearity)을 확인해야 합니다. 다중공선성을 감지하는 데 가장 적은 운영 노력이 필요한 단계는 무엇입니까? (두 가지 선택)

SageMaker Data Wrangler의 진단 시각화는 다중공선성을 감지하는 데 효과적인 도구입니다. PCA(주성분 분석) 및 SVD(특이값 분해)는 고유값을 통해 변수 간의 선형 관계를 파악하여 다중공선성을 식별할 수 있습니다. LASSO(Least Absolute Shrinkage and Selection Operator)는 회귀 계수를 0으로 수축시켜 다중공선성이 있는 변수를 자동으로 선택하거나 제거하는 데 도움을 줍니다. 이는 계수 값의 변화를 플로팅하여 시각적으로 확인할 수 있습니다. 다른 옵션들은 다중공선성 감지에 직접적으로 기여하기보다는 데이터 전처리 또는 모델 평가에 중점을 둡니다.