あるメーカーは、数か月分のセンサーテレメトリーと手動検査ラベルをデータレイクに保存しています。検査ラベルに基づいて、各製品を良品、補修市場品質、またはスクラップに分類する自動モデルが必要です。この多クラス教師あり分類問題で最も正確な予測が得られる可能性が高いモデリングアプローチはどれですか？

この問題は、センサーデータと手動検査ラベルに基づく多クラス教師あり分類です。Amazon SageMaker XGBoostアルゴリズムは、構造化データに対する分類タスクで非常に高い精度を発揮する勾配ブースティングツリーベースのアルゴリズムであり、このユースケースに最適です。 Amazon SageMaker DeepARは時系列予測アルゴリズムであり、分類には適していません。Amazon SageMaker Latent Dirichlet Allocation (LDA)は、テキストデータからのトピックモデリングに使用され、構造化データの分類には不適切です。ResNetなどの畳み込みニューラルネットワーク (CNN)は、画像データや特定のシーケンスデータに強力ですが、センサーテレメトリーのような構造化データには通常XGBoostの方が効率的で高性能です。