Una empresa de viajes quiere un modelo de ML para recomendar el próximo destino de aeropuerto a los usuarios. Tienen millones de registros con la ubicación del usuario, búsquedas recientes y 2.000 posibles aeropuertos. Los datos incluyen características categóricas y un objetivo que se espera que sea una matriz dispersa de alta dimensión. El equipo debe usar algoritmos integrados de Amazon SageMaker y ha codificado las características categóricas con one-hot encoding. ¿Qué algoritmo integrado se debe usar?

Factorization Machines (FM) es ideal para este escenario porque maneja eficazmente datos dispersos y de alta dimensionalidad, comunes en sistemas de recomendación con muchas características categóricas (como los 2.000 aeropuertos codificados con one-hot encoding). FM puede capturar interacciones entre características, lo cual es crucial para recomendaciones precisas. CatBoost es un algoritmo de boosting de gradiente excelente para datos tabulares y categóricos, pero no está optimizado para la extrema dispersión y alta dimensionalidad de un problema de recomendación con un objetivo de matriz dispersa tan grande. DeepAR es para pronóstico de series temporales, no para recomendaciones de elementos discretos. K-means es un algoritmo de clustering no supervisado; aunque podría agrupar usuarios, no está diseñado para predecir un destino específico y no es un algoritmo de recomendación directa.