Bir finans ekibinin, her biri 2.000 özelliğe sahip 5.000 şirket için hisse senedi getirisi verileri var. Gelecekteki getirileri tahmin etmek için en faydalı ilk 15 özelliği minimum operasyonel yük ile belirlemek istiyorlar. Hangi yaklaşım bu ihtiyacı karşılar?

Amazon SageMaker Autopilot, minimum operasyonel yük ile otomatik olarak en iyi regresyon modelini bulur ve eğitir. Autopilot, veri ön işleme, algoritma seçimi ve hiperparametre ayarlama gibi adımları otomatikleştirir. Ardından, SageMaker Clarify raporu, eğitilen model için özellik önemini (feature importance) sağlayarak en faydalı 15 özelliği belirlemeye yardımcı olur. Diğer seçenekler neden doğru değil: Doğrusal regresyonun katsayıları, özellikler arasındaki korelasyon nedeniyle yanıltıcı olabilir ve doğrusal olmayan ilişkileri yakalayamaz. Random forest'ın Gini önemi, özellikler arasındaki etkileşimleri hesaba katarken, Autopilot daha geniş bir model yelpazesini değerlendirir ve Clarify ile kapsamlı bir özellik önemi analizi sunar. SageMaker Data Wrangler'ın hızlı model görselleştirmesi, özellik önemini doğrudan sağlamaz ve genellikle daha keşifsel analizler için kullanılır.