您有一個包含 150 個相關特徵的表格資料集，這些特徵具有不同的數值範圍。您需要在訓練迴歸模型之前，在對模型效能影響最小的情況下降低維度。哪種預處理方法能達成此目標？

正確答案是使用 Min-Max scaler 縮放特徵，然後應用 PCA。PCA 是一種降維技術，它對特徵的尺度敏感。如果特徵具有不同的數值範圍，未經縮放的特徵可能會在 PCA 中佔據主導地位，導致結果偏斜。Min-Max scaler 將所有特徵縮放到一個共同的範圍（例如 0 到 1），確保每個特徵對 PCA 的貢獻是公平的，從而提高降維的有效性和模型的效能。直接應用 PCA 會因為特徵範圍差異而導致結果不佳。移除相關性最高的特徵可能會丟失重要資訊，而移除相關性最低的特徵則不一定能有效降低維度或提高模型效能。Standard Scaler 也是一種選擇，但 Min-Max scaler 對於確保所有特徵在固定範圍內更為直接，尤其在處理具有極端值的資料時。