ある大学が、入学希望者が実際に入学するかどうかを予測し、それに基づいて募集活動のターゲットを絞りたいと考えています。データサイエンティストは学業成績の履歴を持っており、予測のための入学希望者プロファイルを構築したいと考えています。入学の可能性を予測するモデルを構築するために、データサイエンティストが取るべき2つのステップはどれですか？（2つ選択してください。）

このシナリオでは、入学の可能性を「入学する」か「入学しない」かの2つのカテゴリに分類するため、これは分類問題です。したがって、データサイエンティストは分類アルゴリズムを適用する必要があります。分類モデルをトレーニングするには、ラベル付きデータが必要です。Amazon SageMaker Ground Truthは、この目的のためにデータセットを「enrolled」と「not enrolled」の2つのクラスにラベリングするのに最適なツールです。 予測アルゴリズムは広範な用語であり、回帰アルゴリズムは連続値を予測するために使用され、このバイナリ分類問題には適していません。k-meansアルゴリズムは教師なし学習（クラスタリング）であり、事前に定義されたラベルがない場合にデータをグループ化するために使用されますが、ここでは明確なターゲットラベル（入学するかしないか）があるため不適切です。