• A

  Para renda_mensal, aplicar imputação pela média; para idade, imputação pela mediana; para estado_civil, criar variáveis dummy e remover a categoria mais frequente; para score_externo, excluir os registros com valores ausentes; e, para a multicolinearidade, excluir valor_emprestimo por ter menor correlação com a variável-alvo.

• B

  Para renda_mensal, aplicar transformação logarítmica seguida de imputação pela mediana; para idade, imputação pela média; para estado_civil, utilizar codificação one-hot com todas as categorias; para score_externo, criar uma variável indicadora de ausência e imputar pela mediana; e, para a multicolinearidade, manter ambos os atributos e aplicar regularização L2 no modelo.

• C

  Para renda_mensal, aplicar imputação pela mediana e, em seguida, transformação logarítmica; para idade, imputação pela média; para estado_civil, utilizar codificação target encoding; para score_externo, criar uma variável indicadora de ausência e imputar com a mediana; e, para a multicolinearidade, excluir renda_mensal por ser mais assimétrica.

• D

  Para renda_mensal, aplicar imputação pela média e, em seguida, transformação logarítmica; para idade, imputação pela mediana; para estado_civil, utilizar codificação one-hot com todas as categorias; para score_externo, excluir os registros com valores ausentes; e, para a multicolinearidade, excluir valor_emprestimo.

• E

  Para renda_mensal, aplicar imputação pela mediana e, em seguida, transformação logarítmica; para idade, imputação pela média; para estado_civil, utilizar codificação one-hot com todas as categorias; para score_externo, criar uma variável indicadora de ausência e imputar com a mediana; e, para a multicolinearidade, excluir renda_mensal por ser mais assimétrica.

Atalhos: A–E marca · Shift+letra corta · Enter próxima

Selecione uma alternativa pra criar sua conta e salvar o progresso.