보험 청구 데이터 세트에는 청구 ID, 최종 결과(200개 카테고리 중 하나), 결과 날짜가 포함됩니다. 일부 레코드는 부분적입니다(전체 세트 대신 3~4가지 가능한 결과만 나열됨). 결과당 수백 개의 레코드가 있으며 데이터는 지난 3년간의 정보를 포함합니다. 데이터 과학자는 몇 달 앞서 결과 카테고리별 월별 청구 건수를 예측해야 합니다. 다음 접근 방식 중 이 요구 사항을 가장 잘 충족하는 것은 무엇입니까?

이 시나리오는 미래의 월별 청구 건수를 예측하는 시계열 예측 문제입니다. 각 결과 카테고리에 대해 월별 청구 건수를 예측하는 것은 회귀 또는 시계열 모델링을 통해 해결할 수 있는 예측 문제입니다. 오답 설명: 지도 분류는 개별 청구의 카테고리를 예측하는 데 사용되지만, 여기서는 월별 총계를 예측해야 합니다. 강화 학습은 순차적 의사 결정에 사용되며, 과거 데이터를 기반으로 미래 값을 예측하는 데는 적합하지 않습니다. 부분적인 결과 정보가 있는 레코드를 분류하는 것은 데이터 전처리 단계일 수 있지만, 전체 문제(월별 청구 건수 예측)를 해결하지 못합니다.