您正在建構一個具有數千個特徵的降雨預測模型；您希望減少特徵數量以加快訓練速度，同時將準確度損失降至最低。哪種做法是適當的？

正確答案是將高度共依賴（冗餘）的特徵組合成單一代表性特徵。這種方法稱為特徵工程或降維，可以減少特徵數量，同時保留大部分資訊，從而加快訓練速度並避免多重共線性問題，同時將準確度損失降至最低。移除與輸出標籤高度相關的特徵會導致模型失去重要預測能力。將特徵以固定三個一組的方式取平均值是任意且不科學的，可能會破壞有用的模式。捨棄在超過 50% 訓練記錄中為 null 的特徵，雖然有時用於處理缺失值，但如果這些特徵仍包含有價值的資訊，則可能導致資訊丟失，且不直接解決冗餘特徵的問題。