Вы строите модель прогнозирования осадков с тысячами признаков; вы хотите уменьшить количество признаков, чтобы ускорить обучение с минимальной потерей точности. Какое действие является уместным?

Объединение сильно взаимозависимых (избыточных) признаков в один репрезентативный признак — это эффективный метод уменьшения размерности, который помогает ускорить обучение и предотвратить мультиколлинеарность, сохраняя при этом большую часть информации. Удаление признаков, сильно коррелирующих с выходными метками, было бы контрпродуктивным, поскольку эти признаки, вероятно, являются наиболее информативными для прогнозирования. Усреднение признаков в фиксированных группах по три является произвольным и может привести к потере важной информации или созданию бессмысленных признаков. Отбрасывание признаков, которые являются null более чем в 50% обучающих записей, может быть разумным в некоторых случаях, но это не является прямым методом уменьшения избыточности признаков и может привести к потере ценной информации, если эти признаки важны.