Een fabrikant heeft maanden aan sensortelemetrie en handmatige inspectielabels in een data lake. Ze hebben een geautomatiseerd model nodig dat elk product classificeert als goede kwaliteit, vervangingsmarktkwaliteit of afval op basis van de inspectielabels. Welke modelleringsaanpak zal waarschijnlijk de meest nauwkeurige voorspellingen opleveren voor dit multiclass supervised classificatieprobleem?

XGBoost is een krachtig en efficiënt algoritme gebaseerd op gradient boosting, dat uitstekend presteert bij gestructureerde data zoals sensortelemetrie. Het is zeer geschikt voor multiclass classificatieproblemen en kan complexe niet-lineaire relaties in de data leren, wat leidt tot nauwkeurige voorspellingen. DeepAR is ontworpen voor tijdreeksvoorspellingen, niet voor classificatie. LDA is een ongesuperviseerd algoritme voor topic modeling en is niet geschikt voor dit gesuperviseerde classificatieprobleem. Een CNN zoals ResNet is primair ontworpen voor beeldherkenning en is minder efficiënt of geschikt voor tabulaire sensordata dan XGBoost.