Un éditeur souhaite créer un classificateur de marketing ciblé qui prédit le statut d'abonnement à partir d'une table contenant des caractéristiques numériques et catégorielles (par exemple, l'âge et le niveau d'éducation). Quel algorithme intégré à Amazon SageMaker est le plus adapté à cette tâche de classification supervisée ?

XGBoost est un algorithme d'apprentissage automatique très efficace et populaire, particulièrement adapté aux problèmes de classification supervisée avec des données tabulaires, incluant des caractéristiques numériques et catégorielles. Il est connu pour sa précision et sa rapidité. Random Cut Forest (RCF) est un algorithme de détection d'anomalies non supervisé, ce qui ne correspond pas à la tâche de classification supervisée. Neural Topic Model (NTM) est utilisé pour la modélisation de sujets dans des collections de documents textuels, ce qui n'est pas pertinent ici. DeepAR forecasting est un algorithme de prévision de séries chronologiques, et non de classification.