Un editore desidera creare un classificatore di marketing mirato che preveda lo stato di abbonamento da una tabella con caratteristiche numeriche e categoriche (ad esempio, età e istruzione). Quale algoritmo integrato di Amazon SageMaker è più adatto per questa attività di classificazione supervisionata?

XGBoost è un algoritmo di classificazione e regressione basato su alberi di decisione potenziati, eccellente per dati tabulari con caratteristiche numeriche e categoriche (che possono essere codificate). La sua robustezza e capacità di gestire vari tipi di dati lo rendono ideale per il marketing mirato. Random Cut Forest (RCF) è per il rilevamento delle anomalie, non per la classificazione. Neural Topic Model (NTM) è per la modellazione di argomenti nel testo. DeepAR forecasting è per la previsione di serie temporali. Nessuno di questi ultimi tre è adatto per la classificazione supervisionata di dati tabulari.