Firma musi użyć wbudowanego algorytmu SageMaker do uszeregowania klientów według prawdopodobieństwa spłaty pożyczek. Którego wbudowanego algorytmu należy użyć do tego nadzorowanego zadania rankingowego/klasyfikacyjnego?

XGBoost to potężny algorytm uczenia maszynowego oparty na drzewach decyzyjnych, który doskonale sprawdza się w zadaniach klasyfikacji i rankingu. Jest to algorytm nadzorowany, co oznacza, że uczy się na podstawie danych z etykietami (w tym przypadku, czy klient spłacił pożyczkę). Jego zdolność do obsługi danych tabelarycznych i osiągania wysokiej dokładności czyni go idealnym wyborem do prognozowania prawdopodobieństwa spłaty pożyczek. K-means clustering to algorytm uczenia nienadzorowanego, używany do grupowania danych, a nie do klasyfikacji. Principal component analysis (PCA) to technika redukcji wymiarowości, również nienadzorowana. Neural Topic Model (NTM) służy do modelowania tematów w tekście, co nie jest odpowiednie dla tego zadania.