นักวิเคราะห์ต้องป้องกันตัวแปรเป้าหมายรั่วเข้าสู่ขั้นตอนเตรียมข้อมูล จึงถามว่า เมื่อประมวลผลข้อมูลที่มีมิติสูง (High Dimensional Data) เกิน 1000 ตัวแปร ปัญหาสำคัญที่ต้องแก้ไขคืออะไร

เฉลยอธิบาย

Curse of Dimensionality เป็นปัญหาที่ในข้อมูลมิติสูง จำนวนตัวอย่างที่จำเป็นเพื่อให้ครอบคลุมพื้นที่ตัวแปรทั้งหมดเพิ่มขึ้นแบบ exponential ทำให้ข้อมูลค่อนข้างกระจัดกระจายในพื้นที่ที่มีมิติสูง การแก้ไขคือการ Feature Selection หรือ Dimensionality Reduction เช่น PCA ตัวเลือก B เป็นปัญหาเสมอมา แต่ไม่ใช่ปัญหาเฉพาะของมิติสูง ตัวเลือก C และ D ไม่ใช่ปัญหาหลัก