Inżynier ML musi wytrenować model wykrywania oszustw, używając wbudowanego algorytmu SageMaker. Który algorytm jest odpowiednim wyborem do tego zadania?

LightGBM to wydajny algorytm oparty na drzewach decyzyjnych, często używany do zadań klasyfikacji i regresji, szczególnie z dużymi zbiorami danych. Jego szybkość i dokładność sprawiają, że jest doskonałym wyborem do wykrywania oszustw, gdzie kluczowe jest szybkie i precyzyjne identyfikowanie anomalii. Linear Learner jest algorytmem liniowym, mniej elastycznym niż LightGBM w przypadku złożonych nieliniowych zależności typowych dla danych o oszustwach. K-means clustering to algorytm grupowania, służący do znajdowania wzorców w danych bez etykiet, a nie do klasyfikacji binarnej (oszustwo/brak oszustwa). Neural Topic Model (NTM) to algorytm przetwarzania języka naturalnego, służący do odkrywania tematów w kolekcjach dokumentów, nieodpowiedni do wykrywania oszustw transakcyjnych.