ML-инженер создает модель для прогнозирования цен на дома и квартиры, используя три признака: площадь в квадратных метрах, цена и возраст здания. Набор данных (10 000 строк) содержит экстремальные значения: один очень большой особняк и одну чрезвычайно маленькую квартиру. Чтобы модель давала точные прогнозы для типичных объектов недвижимости, какой подход к предварительной обработке следует использовать?

Удаление выбросов (экстремально большой особняк и чрезвычайно маленькая квартира) поможет модели сосредоточиться на типичных объектах недвижимости, улучшая общую точность прогнозов. Логарифмическое преобразование признака "площадь в квадратных метрах" эффективно уменьшает асимметрию данных и сжимает диапазон значений, что делает распределение более нормальным и менее чувствительным к оставшимся выбросам, если они есть, или к большим различиям в масштабе, что полезно для многих моделей машинного обучения. Сохранение выбросов может исказить обучение модели. Нормализация масштабирует данные, но не уменьшает влияние выбросов так эффективно, как логарифмическое преобразование. One-hot encoding не подходит для числовых признаков, таких как площадь.