Masz tabelaryczny zbiór danych ze 150 skorelowanymi cechami, które mają różne zakresy numeryczne, i musisz zredukować wymiarowość z minimalnym wpływem na wydajność modelu przed trenowaniem modelu regresji. Które podejście do wstępnego przetwarzania spełnia ten cel?

Poprawna odpowiedź to przeskalowanie cech za pomocą Min-Max scaler, a następnie zastosowanie PCA. PCA jest wrażliwe na skalę danych, dlatego przeskalowanie przed jego zastosowaniem jest kluczowe, aby cechy o większych zakresach nie dominowały w obliczeniach. Min-Max scaler jest odpowiedni, ponieważ normalizuje cechy do wspólnego zakresu (np. 0-1), co jest korzystne dla PCA. SageMaker Data Wrangler ułatwia te kroki. Bezpośrednie zastosowanie PCA do surowych danych (opcja 1) jest nieprawidłowe ze względu na wrażliwość PCA na skalę. Usuwanie cech na podstawie korelacji (opcje 3 i 4) przed PCA nie jest optymalne, ponieważ PCA samo w sobie radzi sobie z korelacjami, a usunięcie cech może prowadzić do utraty informacji. Standard Scaler (opcja 3) jest alternatywą, ale Min-Max jest często preferowany, gdy chcesz ograniczyć cechy do określonego zakresu.