De ML-engineer moet het fraudedetectiemodel trainen met behulp van een ingebouwd SageMaker-algoritme. Welk algoritme is de juiste keuze voor deze taak?

LightGBM (Light Gradient Boosting Machine) is een efficiënt en schaalbaar gradient boosting framework dat beslissingsbomen gebruikt. Het is zeer geschikt voor fraudedetectie vanwege zijn vermogen om complexe patronen te leren, hoge nauwkeurigheid te leveren en snel te trainen op grote datasets. Lineaire leerder is beter voor lineair scheidbare problemen, wat bij fraudedetectie zelden het geval is. K-means clustering is een onbewaakt leeralgoritme dat wordt gebruikt voor het groeperen van gegevenspunten, niet voor classificatie van fraude. Neural Topic Model (NTM) is ontworpen voor het ontdekken van onderwerpen in tekstuele gegevens en is niet relevant voor fraudedetectie.