Wydawca chce zbudować ukierunkowany klasyfikator marketingowy, który przewiduje status subskrypcji na podstawie tabeli z cechami numerycznymi i kategorycznymi (na przykład wiek i wykształcenie). Który wbudowany algorytm Amazon SageMaker jest najbardziej odpowiedni do tego zadania klasyfikacji nadzorowanej?

XGBoost jest najbardziej odpowiedni, ponieważ jest to algorytm uczenia nadzorowanego, który doskonale radzi sobie z danymi tabelarycznymi zawierającymi zarówno cechy numeryczne, jak i kategoryczne, co jest typowe dla zadań klasyfikacji marketingowej. Jest znany ze swojej wydajności i dokładności. Random Cut Forest (RCF) to algorytm do wykrywania anomalii, a nie klasyfikacji. Neural Topic Model (NTM) służy do modelowania tematów w zbiorach tekstowych. DeepAR forecasting to algorytm do prognozowania szeregów czasowych. Żaden z nich nie jest przeznaczony do binarnej klasyfikacji na danych tabelarycznych.