ก่อนทำ PCA กับฟีเจอร์หน่วยต่างกันมาก ควรพิจารณาอะไร — หลักฐานใดช่วยยืนยันว่ากระบวนการจัดการประเด็นนี้ได้เหมาะสม
กหลักฐานแสดงว่า ทำ PCA บน covariance matrix ของข้อมูลดิบแล้ว scale components ภายหลัง
ขหลักฐานแสดงว่า fit scaler และ PCA จากข้อมูลทั้งหมดก่อนแบ่ง train/test โดยไม่กำหนดเงื่อนไขหยุดใช้หรือ rollback
คหลักฐานแสดงว่า standardization เพราะองค์ประกอบหลักอาจถูกครอบงำด้วยฟีเจอร์ variance สูงจากหน่วยวัด
งหลักฐานแสดงว่า scale เฉพาะฟีเจอร์ที่มี variance ต่ำกว่าค่าเฉลี่ย และไม่ตรวจว่าสมมติฐานของวิธีตรงกับข้อมูล
เฉลยอธิบาย
Common pitfalls: inconsistent preprocessing, leakage and randomness อธิบายว่าต้องแยกข้อมูลก่อนเรียนรู้ preprocessing ใช้ pipeline ให้ขั้นตอนถูก fit เฉพาะข้อมูลฝึก และควบคุมแหล่งสุ่มเพื่อทำซ้ำได้ เมื่อนำมาใช้กับโจทย์จึงต้องเลือก “หลักฐานแสดงว่า standardization เพราะองค์ประกอบหลักอาจถูกครอบงำด้วยฟีเจอร์ variance สูงจากหน่วยวัด” ส่วนตัวเลือกอื่นใช้ข้อมูลผิดช่วง เลือกเมตริกไม่ตรงเป้าหมาย หรือข้ามการตรวจผลกระทบที่จำเป็น