Bir veri mühendisi, davranış tahmin modeli için müşteri verilerini değerlendirmek üzere Amazon SageMaker Data Wrangler kullanıyor. Model performansını artırmak için çoklu doğrusallığı (multicollinearity) kontrol etmeleri gerekiyor. Çoklu doğrusallığı tespit etmek için en az operasyonel çabayı gerektiren adımlar hangileridir? (İki tane seçin.)

Çoklu doğrusallık, bağımsız değişkenler arasında yüksek korelasyon olduğunda ortaya çıkar ve modelin yorumlanabilirliğini ve kararlılığını olumsuz etkileyebilir. SageMaker Data Wrangler'daki PCA ve SVD, veri setindeki boyutluluğu azaltarak ve temel bileşenleri belirleyerek çoklu doğrusallığı tespit etmeye yardımcı olur. Yüksek tekil değerler, güçlü doğrusal ilişkilerin varlığını gösterir. LASSO (Least Absolute Shrinkage and Selection Operator) ise, çoklu doğrusallığı olan değişkenlerin katsayılarını sıfıra yaklaştırarak veya sıfır yaparak değişken seçimi yapar. Katsayı değerlerinin incelenmesi, hangi değişkenlerin birbirine bağımlı olduğunu ve modelden çıkarılabileceğini gösterir. Bu iki yöntem, Data Wrangler'ın yerleşik teşhis görselleştirmeleriyle birlikte en az operasyonel çabayla çoklu doğrusallığı etkili bir şekilde belirlemeyi sağlar. Diğer seçenekler doğrudan çoklu doğrusallık tespiti için değildir; one-hot encoding kategorik veriyi işler, Quick Model genel model değerlendirmesi yapar ve Min Max Scaler normalleştirme için kullanılır.