Une agence de voyages souhaite qu'un modèle de ML recommande la prochaine destination aéroportuaire aux utilisateurs. Elle dispose de millions d'enregistrements contenant la localisation de l'utilisateur, les recherches récentes et 2 000 aéroports possibles. Les données incluent des caractéristiques catégorielles et une cible qui devrait être une matrice creuse de grande dimension. L'équipe doit utiliser les algorithmes intégrés d'Amazon SageMaker et a encodé les caractéristiques catégorielles en one-hot. Quel algorithme intégré devrait être utilisé ?

L'algorithme Factorization Machines (FM) est idéal pour les données creuses et les problèmes de recommandation, car il gère efficacement les interactions entre les caractéristiques catégorielles encodées en one-hot, même lorsque les combinaisons sont rares. La cible étant une matrice creuse de grande dimension (2 000 aéroports possibles), FM peut prédire la probabilité de chaque aéroport pour un utilisateur donné. CatBoost est excellent pour les caractéristiques catégorielles, mais il est principalement conçu pour les problèmes de classification ou de régression avec une seule cible ou un nombre limité de classes, pas pour une cible de 2 000 dimensions creuses. DeepAR est un algorithme de prévision de séries temporelles, non adapté à ce problème de recommandation de destination. K-means est un algorithme de clustering non supervisé qui regroupe les utilisateurs, mais il ne fournit pas directement une recommandation de destination basée sur les interactions complexes des caractéristiques, ni ne gère la nature creuse de la cible de manière optimale.