Je hebt een gelabelde dataset van 1.200 producten, elk beschreven door 15 numerieke kenmerken (titel, afmetingen, gewicht, prijs, etc.) en toegewezen aan een van de zes categorische productklassen. Welk model is het meest geschikt om te trainen voor het classificeren van nieuwe producten met behulp van deze dataset?

XGBoost is een krachtig en efficiënt algoritme voor geboost beslissingsbomen dat uitstekend presteert bij gestructureerde data, zoals de 15 numerieke kenmerken in deze dataset. De configuratie objective = multi:softmax is specifiek ontworpen voor multiclass classificatieproblemen, waarbij een item aan één van meerdere discrete klassen moet worden toegewezen. Met 1.200 gelabelde producten en 6 productklassen is dit een klassiek multiclass classificatieprobleem waarvoor XGBoost zeer geschikt is. Een diep convolutioneel neuraal netwerk (CNN) is primair ontworpen voor beeld- of sequentiedata en minder efficiënt voor tabulaire data met numerieke kenmerken. Een regressiebos is bedoeld voor regressieproblemen (voorspellen van continue waarden), niet voor classificatie (voorspellen van discrete klassen). DeepAR is een forecasting model voor tijdreeksdata en is niet relevant voor dit classificatieprobleem.