Inżynier danych stwierdza, że wiele ze 100 cech w tabelarycznym zbiorze danych klienta jest silnie skorelowanych. Jakie działania powinien podjąć, aby rozwiązać problem współliniowości? (Wybierz dwie odpowiedzi.)

Silna korelacja między cechami (współliniowość) może negatywnie wpływać na wydajność i interpretowalność modeli uczenia maszynowego, zwłaszcza liniowych. Dwa skuteczne sposoby rozwiązania tego problemu to: 1. Zastosowanie analizy głównych składowych (PCA) w celu redukcji wymiarowości: PCA przekształca skorelowane cechy w nowy zestaw nieskorelowanych zmiennych (głównych składowych), zachowując większość wariancji oryginalnych danych. To zmniejsza wymiarowość i eliminuje współliniowość. 2. Usunięcie niektórych silnie skorelowanych cech ze zbioru danych: Można usunąć jedną z dwóch silnie skorelowanych cech, zachowując tę, która jest bardziej istotna dla modelu lub ma lepszą jakość danych. Trenowanie modelu za pomocą algorytmu liniowego nie rozwiązuje problemu współliniowości, a wręcz może go pogorszyć. Skalowanie cech min-max i kodowanie one-hot to techniki przygotowania danych, które nie eliminują współliniowości.