1,200개의 제품으로 구성된 레이블링된 데이터셋이 있습니다. 각 제품은 15개의 숫자형 특징(제목, 치수, 무게, 가격 등)으로 설명되며 6개의 범주형 제품 클래스 중 하나에 할당됩니다. 이 데이터셋을 사용하여 새 제품을 분류하기 위해 훈련하기에 가장 적합한 모델은 무엇입니까?

주어진 문제는 15개의 숫자형 특징을 사용하여 6개의 범주형 제품 클래스 중 하나로 새 제품을 분류하는 다중 클래스 분류 작업입니다. XGBoost는 정형 데이터에 강력한 성능을 보이는 앙상블 트리 모델이며, multi:softmax 목적 함수는 여러 클래스 중 하나를 예측하는 데 적합합니다. 다른 옵션들은 다음과 같은 이유로 적합하지 않습니다. 심층 컨볼루션 신경망(CNN)은 이미지나 시계열 데이터와 같은 공간적 또는 시간적 패턴이 있는 데이터에 주로 사용되며, 15개의 숫자형 특징으로 구성된 정형 데이터에는 일반적으로 비효율적입니다. 회귀 포레스트는 연속적인 값을 예측하는 회귀 문제에 사용되며, 범주형 클래스를 예측하는 분류 문제에는 적합하지 않습니다. DeepAR은 시계열 예측에 특화된 모델로, 제품 분류 문제에는 적합하지 않습니다.