一位資料科學家將使用 Amazon SageMaker Data Wrangler 攝取歷史 S3 資料，以進行探索性資料分析 (EDA) 來尋找罕見的異常。為了在執行 EDA 時最大限度地減少運算資源，資料科學家應該選擇哪種匯入選項？

資料科學家正在尋找罕見的異常，這意味著他們需要確保樣本中包含這些異常。使用「First K」選項可以讓資料科學家根據領域知識選擇一個 K 值，以確保在匯入的資料子集中包含足夠的異常實例，同時最小化運算資源。 「None」選項會匯入所有資料，這會增加運算資源。 「Stratified」選項適用於保持類別分佈，但對於尋找罕見異常可能效率不高，因為它可能不會保證包含足夠的異常實例。 「Randomized」選項會隨機選擇樣本，這可能導致罕見異常被排除在樣本之外。