Bir cihaz üreticisinin 1.000'den fazla aday özelliği var ve satış fiyatını etkileyen en önemli özellikleri bulmak istiyor. Hangi özellik seçimi teknikleri kullanılmalıdır? (Üç tane seçin.)

Cihaz üreticisinin 1.000'den fazla özelliği arasından satış fiyatını etkileyen en önemli özellikleri bulması için etkili özellik seçimi teknikleri gereklidir. Korelasyon matrisi oluşturmak ve ısı haritası olarak görselleştirmek, özellikler arasındaki doğrusal ilişkileri ve çoklu doğrusallığı (multicollinearity) belirleyerek gereksiz veya birbirine bağımlı özellikleri elemek için önemlidir. Tek değişkenli istatistiksel seçim (örneğin, ANOVA F-değeri veya Ki-kare testi), her bir özelliğin hedef değişkenle olan bireysel ilişkisini değerlendirerek en güçlü tahmin edicileri belirlemeye yardımcı olur. Ağaç tabanlı bir model (örneğin, Random Forest veya Gradient Boosting) kullanmak, özellik önem puanları hesaplayarak karmaşık, doğrusal olmayan ilişkileri yakalar ve en etkili özellikleri sıralar. Diğer seçenekler: Sayısal özellikleri ölçeklendirmek (standardizasyon/normalizasyon) bir ön işleme adımıdır ancak doğrudan özellik seçimi yapmaz. Veri gruplama (data binning) sürekli özellikleri kategorik hale getirir, bu da özellik seçimine yardımcı olabilir ancak doğrudan en önemli özellikleri belirlemez. Sentetik örneklerle veri setini zenginleştirmek, eğitim boyutunu artırır ancak mevcut özellikler arasından en önemlilerini seçmez.