Eine Bank muss ein SageMaker-KI-Modell erstellen, um die Berechtigung von Kunden für ein neues Produkt mithilfe von Algorithmen zu bestimmen, die SageMaker direkt unterstützt. Das Modell muss für Aufsichtsbehörden erklärbar sein. Welche Modellierungsoption erfüllt diese Anforderungen?

Der Linear Learner-Algorithmus ist die beste Wahl, da er ein interpretierbares Modell erstellt, das für regulatorische Zwecke erklärbar ist. Lineare Modelle sind von Natur aus einfacher zu verstehen, da die Beziehung zwischen Merkmalen und Vorhersagen direkt ist. Object2Vec und k-means sind unüberwachte Algorithmen, die für Einbettungen bzw. Clustering verwendet werden und keine direkte Eignungsbestimmung ermöglichen. Neuronale Netze sind zwar leistungsstark, aber oft "Black Boxes" und daher schwer zu erklären, was den Anforderungen an die Erklärbarkeit widerspricht.