Eine Stadt möchte die Konzentration von Luftschadstoffen (parts per million) für die nächsten zwei Tage vorhersagen, wobei nur tägliche Beobachtungen aus dem letzten Jahr verwendet werden. Welcher Algorithmus liefert für diesen Prototyp in Amazon SageMaker am ehesten die beste Vorhersageleistung?

Die Vorhersage der Luftschadstoffkonzentration ist ein Regressionsproblem, da kontinuierliche numerische Werte vorhergesagt werden. SageMaker Linear Learner ist ein effizienter Algorithmus für Regressionsaufgaben, besonders wenn nur eine einzelne Zeitreihe mit einem Jahr an Daten vorliegt. Das Setzen von predictortype auf „regressor“ ist korrekt, da wir numerische Werte vorhersagen. kNN ist weniger geeignet für Zeitreihenprognosen, da es keine inhärente Fähigkeit hat, zeitliche Abhängigkeiten zu modellieren. RCF ist ein Algorithmus zur Anomalieerkennung und nicht für Prognosen gedacht. Linear Learner mit predictortype auf „classifier“ wäre falsch, da dies für Klassifikationsprobleme (Vorhersage von Kategorien) verwendet wird, nicht für die Vorhersage von numerischen Konzentrationen.