Een fabrikant van apparaten heeft meer dan 1.000 kandidaat-features en wil de belangrijkste features vinden die de verkoopprijs beïnvloeden. Welke feature-selectietechnieken moeten worden gebruikt? (Kies er drie.)

Een correlatiematrix met heatmap helpt bij het identificeren van sterk gecorreleerde features, wat redundantie kan verminderen en inzicht geeft in lineaire relaties. Univariate statistische selectie, zoals chi-kwadraat of ANOVA, evalueert de individuele relatie tussen elke feature en de doelvariabele, wat nuttig is voor het snel identificeren van potentieel belangrijke features. Boomgebaseerde modellen (bijv. Random Forest, Gradient Boosting) berekenen feature importance scores door te meten hoeveel elke feature bijdraagt aan de vermindering van onzuiverheid of fouten, wat een krachtige methode is voor het selecteren van de meest invloedrijke features, zelfs in aanwezigheid van complexe interacties. Het schalen van numerieke features (standaardisatie/normalisatie) is een voorverwerkingstechniek, geen featureselectie. Data binning is een discretisatietechniek, geen selectie. Het uitbreiden van de dataset met synthetische voorbeelden is een data-augmentatietechniek, geen featureselectie.