Un equipo de finanzas tiene datos de rendimiento de acciones de 5000 empresas, con 2000 características cada una. Quieren identificar las 15 características más útiles para predecir rendimientos futuros con una sobrecarga operativa mínima. ¿Qué enfoque satisface esta necesidad?

La opción correcta es usar Amazon SageMaker Autopilot y SageMaker Clarify. Autopilot automatiza la selección de modelos y la ingeniería de características, lo que minimiza la sobrecarga operativa. Genera automáticamente los mejores modelos y, lo que es crucial, SageMaker Clarify puede usarse con los modelos de Autopilot para proporcionar informes de interpretabilidad, incluyendo la importancia de las características. Esto permite identificar las 15 características más útiles de manera eficiente. Entrenar un modelo de regresión lineal y clasificar por coeficientes es una técnica válida, pero los modelos lineales pueden no capturar relaciones complejas y la importancia de los coeficientes no siempre es una medida robusta de la utilidad de la característica en presencia de multicolinealidad. Entrenar un modelo de random forest y clasificar por importancia de Gini es una buena opción para la selección de características, pero requiere más configuración y gestión manual que Autopilot. La visualización rápida de modelos de SageMaker Data Wrangler es útil para el análisis exploratorio de datos y la ingeniería de características, pero no está diseñada para la construcción automatizada de modelos y la obtención de importancia de características de un modelo final de la misma manera que Clarify.