한 제조업체는 데이터 레이크에 수개월간의 센서 원격 측정 및 수동 검사 레이블을 보유하고 있습니다. 이들은 검사 레이블을 기반으로 각 제품을 양호한 품질, 교체 시장 품질 또는 불량품으로 분류하는 자동화된 모델이 필요합니다. 이 다중 클래스 지도 분류 문제에 대해 가장 정확한 예측을 제공할 가능성이 높은 모델링 접근 방식은 무엇입니까?

이 문제는 센서 원격 측정 및 수동 검사 레이블을 사용하여 제품을 세 가지 품질 범주(양호, 교체 시장, 불량) 중 하나로 분류하는 다중 클래스 지도 분류 문제입니다. Amazon SageMaker XGBoost 알고리즘은 이러한 유형의 정형 데이터 분류 문제에 매우 효과적인 부스팅 트리 기반 알고리즘으로, 높은 정확도를 제공합니다. Amazon SageMaker DeepAR 예측 알고리즘은 시계열 예측에 사용되므로 이 분류 문제에는 적합하지 않습니다. Amazon SageMaker Latent Dirichlet Allocation (LDA) 알고리즘은 텍스트 데이터의 토픽 모델링에 사용되므로 이 문제와 관련이 없습니다. ResNet과 같은 컨볼루션 신경망(CNN)은 주로 이미지 분류에 사용되며, 이 문제의 정형 데이터에는 일반적으로 XGBoost보다 성능이 떨어집니다.