某公司希望使用多元線性迴歸來預測房屋銷售價格。資料集包含地塊大小、居住面積、非居住面積、臥室數量、浴室數量、建築年份和郵遞區號等特徵。機器學習專家應該使用哪種程序來消除不相關的特徵並降低模型複雜度？

正確答案是計算每個特徵與目標銷售價格的相關性，並移除與目標相關性小的特徵。在多元線性迴歸中，目標是預測房屋銷售價格。因此，選擇與目標變數（銷售價格）高度相關的特徵，並移除相關性低的特徵，是降低模型複雜度並提高預測準確性的有效方法。 繪製特徵直方圖並移除高或低變異數的特徵，這種方法可能不適用。高變異數的特徵可能包含重要資訊，而低變異數的特徵也可能對模型有貢獻，僅憑變異數無法判斷其與目標的關係。建立特徵間相關性的熱力圖並移除與其他特徵相互關聯性低的特徵，這主要用於處理多重共線性問題，而非直接判斷特徵與目標的相關性。