Университет хочет предсказать, поступит ли абитуриент, чтобы целенаправленно проводить набор. Специалист по данным имеет академические истории и хочет создать профили абитуриентов для прогнозирования. Какие два шага должен предпринять специалист по данным для создания модели, которая предсказывает вероятность поступления? (Выберите два варианта)

Для прогнозирования поступления абитуриентов требуется задача классификации, поскольку результатом является дискретное значение: «поступил» или «не поступил». Поэтому применение алгоритма классификации является правильным шагом. Для обучения модели классификации необходим размеченный набор данных. Amazon SageMaker Ground Truth позволяет эффективно размечать данные, присваивая каждому абитуриенту метку «поступил» или «не поступил», что делает его подходящим инструментом для создания обучающего набора данных. Применение алгоритма прогнозирования неверно, так как это задача классификации, а не временных рядов. Применение алгоритма регрессии неверно, поскольку регрессия используется для предсказания непрерывных значений. Использование k-means для кластеризации неверно, так как это алгоритм обучения без учителя, который группирует данные, но не предсказывает заранее определенные классы «поступил»/«не поступил» без предварительной разметки.