수천 개의 특징(feature)을 사용하여 강우량 예측 모델을 구축하고 있습니다. 정확도 손실을 최소화하면서 훈련 속도를 높이기 위해 특징 개수를 줄이려고 합니다. 어떤 조치가 적절할까요?

정답은 '높은 상호 의존성(중복성)을 가진 특징들을 단일 대표 특징으로 결합합니다'입니다. 이 방법은 특징 엔지니어링의 한 형태로, 중복되거나 강하게 상관관계가 있는 특징들을 하나의 대표 특징으로 통합하여 특징 공간의 차원을 효과적으로 줄입니다. 이는 모델의 훈련 속도를 높이고 과적합을 방지하며, 정보 손실을 최소화하면서 모델의 복잡성을 관리하는 데 도움이 됩니다. 오답 설명: '출력 레이블과 높은 상관관계를 보이는 특징을 제거합니다'는 잘못된 접근입니다. 출력 레이블과 높은 상관관계를 보이는 특징은 모델 예측에 매우 중요하므로 제거해서는 안 됩니다. '모델에 공급하기 전에 고정된 세 개의 그룹으로 특징들을 평균화합니다'는 임의적인 그룹화 및 평균화로 인해 중요한 정보가 손실될 수 있으며, 특징 축소의 체계적인 방법이 아닙니다. '훈련 레코드의 50% 이상에서 null인 특징들을 제거합니다'는 결측값이 많은 특징을 처리하는 한 가지 방법이지만, 항상 정확도 손실을 최소화하면서 훈련 속도를 높이는 최적의 방법은 아닙니다. 중요한 특징이 결측값이 많을 수도 있기 때문입니다.