Bir ML mühendisi, metrekare, fiyat ve bina yaşı olmak üzere üç özelliği kullanarak konut ve daire fiyatlarını tahmin etmek için bir model oluşturuyor. Veri seti (10.000 satır) aşırı değerler içeriyor: çok büyük bir konak ve aşırı küçük bir daire. Modelin tipik özellikler için doğru tahminler yapmasını sağlamak amacıyla hangi ön işleme yaklaşımı kullanılmalıdır?

Aykırı değerleri kaldırmak, modelin bu uç noktalardan etkilenmesini önleyerek tipik özellikler için daha doğru tahminler yapmasını sağlar. Log dönüşümü, özellikle fiyat ve metrekare gibi sağa çarpık dağılıma sahip özelliklerde, veriyi normalleştirmeye yardımcı olur ve modelin performansını artırır. Normalizasyon, aykırı değerler mevcutken ölçeklendirme yapsa da, aykırı değerlerin kendilerini ortadan kaldırmaz ve model üzerinde hala etkileri olabilir. One-hot encoding ise kategorik veriler için kullanılan bir yöntemdir ve sürekli sayısal özellik olan metrekare için uygun değildir.