一所大学希望预测申请人是否会入学，以便有针对性地开展招生工作。数据科学家拥有学术历史数据，并希望构建申请人档案进行预测。数据科学家应该采取哪两个步骤来构建一个预测入学可能性的模型？（选择两项。）

为了预测申请人是否会入学，首先需要对历史数据进行标注，明确每个申请人的最终状态是“已入学”还是“未入学”。Amazon SageMaker Ground Truth 是一种数据标注服务，可以高效地将数据集标注为这两类，为模型训练提供有监督学习所需的标签数据。这是一个二分类问题，因为目标变量只有两个离散的类别（入学或未入学）。因此，应该应用分类算法进行预测。分类算法旨在预测数据点所属的离散类别。 应用预测算法进行预测过于笼统，没有指明具体的算法类型。应用回归算法进行预测是错误的，因为回归算法用于预测连续值，而不是离散类别。使用 SageMaker 内置的 k-means 算法进行聚类是无监督学习方法，它会在没有预先标签的情况下将数据分成组，但无法直接预测申请人是否会入学，因为聚类结果不一定与“已入学”和“未入学”这两个有意义的类别直接对应。