Una aplicación web pública recopila grandes cantidades de comentarios de usuarios en formato de texto libre. Los gerentes de producto han etiquetado un gran conjunto de datos históricos en un conjunto fijo de categorías (por ejemplo, problemas de UI, problemas de rendimiento, solicitudes de características, problemas de chat). Un ingeniero de ML debe automatizar la clasificación multiclase de nuevos comentarios utilizando Amazon SageMaker. ¿Qué algoritmo de SageMaker es el más apropiado para esta tarea?

BlazingText es el algoritmo más apropiado porque es altamente eficiente para la clasificación de texto a gran escala, incluyendo la clasificación multiclase. Puede entrenarse en grandes conjuntos de datos de texto y es conocido por su velocidad y precisión. LDA y NTM son algoritmos de modelado de temas, que se utilizan para descubrir temas abstractos dentro de una colección de documentos, no para clasificar texto en categorías predefinidas. CatBoost es un algoritmo de aumento de gradiente para datos tabulares y no es adecuado para tareas de procesamiento de lenguaje natural como la clasificación de texto.