Una città vuole prevedere le concentrazioni di inquinanti atmosferici (parti per milione) per i due giorni successivi utilizzando solo le osservazioni giornaliere dell'ultimo anno. Per questo prototipo in Amazon SageMaker, quale algoritmo è più probabile che offra le migliori prestazioni di previsione?

Il SageMaker Linear Learner, configurato come regressore, è la scelta migliore perché la previsione delle concentrazioni di inquinanti atmosferici è un problema di regressione, dove si prevede un valore numerico continuo. Il Linear Learner è efficiente per questo tipo di compito, specialmente con dati di serie temporali. Il k-Nearest-Neighbors (kNN) è meno adatto per le serie temporali a causa della sua dipendenza dalla distanza tra i punti, che può non catturare bene le dipendenze temporali. Random Cut Forest (RCF) è un algoritmo di rilevamento delle anomalie, non di previsione. L'opzione di usare Linear Learner come classificatore è errata perché la classificazione prevede categorie discrete, non valori continui.