Een financieel team heeft gegevens over aandelenrendementen voor 5.000 bedrijven met elk 2.000 features. Ze willen de 15 meest bruikbare features identificeren voor het voorspellen van toekomstige rendementen met minimale operationele overhead. Welke aanpak voldoet aan deze behoefte?

De correcte aanpak is het gebruik van Amazon SageMaker Autopilot om een regressiemodel te bouwen en de feature importance te verkrijgen uit een SageMaker Clarify-rapport. Autopilot automatiseert de feature engineering, modelselectie en hyperparameter tuning, wat de operationele overhead minimaliseert. SageMaker Clarify kan vervolgens worden gebruikt om de feature importance van het best presterende model te analyseren, waardoor de 15 meest bruikbare features worden geïdentificeerd. Het trainen van een lineair regressiemodel en het rangschikken van features op absolute coëfficiëntwaarden is te simplistisch en vangt geen complexe relaties. Een random forest regressiemodel en rangschikking op Gini importance is een betere benadering, maar vereist meer handmatige modelbouw en tuning dan Autopilot. SageMaker Data Wrangler's quick model visualization is nuttig voor snelle inzichten, maar biedt mogelijk niet de diepgang en robuustheid voor het selecteren van de top 15 features voor een productie-omgeving.