Производитель устройств имеет более 1000 потенциальных признаков и хочет найти наиболее важные признаки, которые влияют на цену продажи. Какие методы выбора признаков следует использовать? (Выберите три.)

Создание корреляционной матрицы с тепловой картой позволяет визуально идентифицировать признаки, сильно коррелирующие с целевой переменной (ценой продажи), а также выявить мультиколлинеарность между признаками. Одномерный статистический отбор (например, с использованием тестов хи-квадрат или F-статистики) эффективно оценивает индивидуальную предсказательную силу каждого признака по отношению к целевой переменной, что полезно для ранжирования и отбора. Модели на основе деревьев (например, Random Forest, Gradient Boosting) по своей природе вычисляют важность признаков, что позволяет выбрать наиболее влиятельные признаки для модели. Масштабирование и биннинг — это методы предварительной обработки, а не отбора признаков. Расширение набора данных синтетическими примерами увеличивает размер выборки, но не является методом отбора признаков.