Korzystając z Amazon SageMaker Data Wrangler, analityk danych chce wybrać zmienne predykcyjne, które najlepiej przewidują zmienną docelową. Predyktory są skorelowane ze zmienną docelową, a analityk chce zrozumieć wariancję w różnych kierunkach w przestrzeni cech. Które podejście spełnia te potrzeby?

Analiza głównych składowych (PCA) to technika redukcji wymiarowości, która przekształca zestaw skorelowanych zmiennych w zestaw nieskorelowanych zmiennych zwanych głównymi składowymi. Te składowe reprezentują kierunki maksymalnej wariancji w danych, co jest dokładnie tym, czego szuka analityk danych, aby zrozumieć wariancję w różnych kierunkach w przestrzeni cech. Data Wrangler oferuje narzędzia do współliniowości z PCA, co pozwala na efektywne zbadanie tych kierunków i transformację cech. Inne opcje są mniej odpowiednie: VIF mierzy współliniowość, ale nie bada kierunków wariancji; wizualizacje szybkiego modelu oceniają jakość modelu, a nie kierunki wariancji; raport jakości danych szereguje cechy, ale nie transformuje ich ani nie analizuje kierunków wariancji.