一位 ML 工程師正在使用三個特徵（平方公尺、價格和建築年齡）建立一個模型來預測房屋和公寓的價格。該資料集（10,000 列）包含極端值：一棟非常大的豪宅和一間極小的公寓。為了確保模型能對典型房產做出準確預測，應該使用哪種預處理方法？

正確答案是移除異常值並對 Square Meters 特徵應用對數轉換。移除異常值有助於防止模型被極端值（如超大豪宅或極小公寓）誤導，確保模型能更準確地預測典型房產的價格。對數轉換可以壓縮大數值範圍，使資料分佈更接近常態分佈，這對於許多機器學習模型來說是理想的，特別是當特徵（如平方公尺）具有偏斜分佈時。 保留異常值並對 Square Meters 特徵應用正規化是次優選項，因為正規化雖然能將數據縮放到特定範圍，但異常值仍然會扭曲數據分佈，影響模型性能。移除異常值並對 Square Meters 特徵應用獨熱編碼不正確，因為獨熱編碼適用於分類特徵，而不是連續數值特徵如平方公尺。保留異常值並對 Square Meters 特徵應用獨熱編碼同樣不正確，原因與上述相同。