Een data-engineer gebruikt Amazon SageMaker Data Wrangler om klantgegevens te evalueren voor een gedragsvoorspellingsmodel. Om de modelprestaties te verbeteren, moeten ze controleren op multicollineariteit. Welke stappen vereisen de minste operationele inspanning om multicollineariteit te detecteren? (Kies er twee.)

Multicollineariteit treedt op wanneer onafhankelijke variabelen in een regressiemodel sterk gecorreleerd zijn, wat de interpretatie van modelcoëfficiënten bemoeilijkt. PCA en SVD zijn effectieve methoden om multicollineariteit te detecteren. PCA transformeert gecorreleerde variabelen naar een set ongecorreleerde hoofdcomponenten, en lage singuliere waarden in SVD kunnen duiden op multicollineariteit. Deze methoden zijn ingebouwd in SageMaker Data Wrangler diagnostische visualisaties, wat de operationele inspanning minimaliseert. LASSO (Least Absolute Shrinkage and Selection Operator) is een regularisatietechniek die coëfficiënten van minder belangrijke variabelen naar nul dwingt. Wanneer LASSO wordt toegepast, kunnen sterk gecorreleerde variabelen onstabiele coëfficiëntwaarden vertonen of kunnen sommige coëfficiënten volledig worden geselecteerd, wat een indicatie is van multicollineariteit. Dit kan ook via de diagnostische visualisaties in Data Wrangler worden uitgevoerd. One-hot encoding is een transformatie voor categorische variabelen en detecteert geen multicollineariteit. De Quick Model-visualisatie en Min Max Scaler zijn nuttig voor snelle evaluatie en normalisatie, maar zijn geen primaire methoden voor het detecteren van multicollineariteit.