크기가 크게 다른 많은 경제적 특징으로부터 미래 고용률을 예측하고 있습니다. 크기가 큰 특징이 모델을 지배하는 것을 방지하려면 훈련 전에 어떤 전처리 단계를 적용해야 합니까?

정답은 "각 특징이 평균 0과 분산 1을 갖도록 특징을 표준화하여 필드 간의 스케일 차이를 제거합니다"입니다. 특징 스케일링(예: 표준화 또는 정규화)은 크기가 크게 다른 특징들이 모델 훈련 시 특정 특징이 다른 특징들을 지배하는 것을 방지하는 데 필수적입니다. 이는 경사 하강법 기반 모델에서 특히 중요하며, 모든 특징이 비슷한 스케일을 갖도록 하여 최적화 알고리즘이 효율적으로 수렴하도록 돕습니다. 오답 설명: 분위수 binning은 연속형 값을 범주형으로 변환하여 비선형 관계를 포착할 수 있지만, 특징의 스케일 차이로 인한 지배 문제를 직접적으로 해결하지는 않습니다. Cartesian product 변환은 새로운 상호작용 특징을 생성하지만, 기존 특징들의 스케일 문제를 해결하지 않습니다. orthogonal sparse bigram(OSB) 변환은 주로 텍스트 데이터의 특징 엔지니어링에 사용되며, 숫자형 특징의 스케일 문제를 해결하는 데 적합하지 않습니다.