의류 회사는 전체 제품 판매 기록을 Amazon S3에 보관하고 있으며, 현재 맞춤형 지수 평활(ETS) 모델을 사용하여 기존 제품의 수요를 예측하고 있습니다. 이 회사는 이전에 판매된 적이 없는 새로운 제품 변형에 대한 수요를 예측하는 방법이 필요합니다. 이 요구 사항을 가장 잘 충족하는 접근 방식은 무엇입니까?

새로운 제품 변형에 대한 수요를 예측하려면 과거 판매 데이터가 없는 '콜드 스타트(cold start)' 문제를 해결해야 합니다. Amazon SageMaker DeepAR은 심층 신경망을 사용하여 여러 관련 시계열에서 패턴을 학습하므로, 유사한 기존 제품의 판매 기록을 활용하여 신제품의 수요를 예측할 수 있습니다. 이는 기존 제품에만 초점을 맞춘 맞춤형 ETS 모델로는 불가능합니다. K-means 클러스터링은 예측이 아닌 데이터 그룹화에 사용되며, XGBoost는 일반적으로 시계열 예측보다는 분류 또는 회귀 문제에 더 적합합니다.