Bir şirket, yüksek boyutlu, seyrek girdi verileri üzerinde tahmin yapması gereken bir tavsiye sistemi oluşturmak için SageMaker yerleşik bir algoritma kullanmayı planlıyor. Bu tavsiye problemi için hangi SageMaker algoritması uygundur?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Factorization Machines.
Neden bu cevap
Factorization Machines (FM), yüksek boyutlu ve seyrek veri kümeleri üzerinde, özellikle tavsiye sistemleri gibi alanlarda etkili olan bir algoritmadır. Kullanıcı-öğe etkileşimlerini modelleyerek eksik verileri tahmin etme yeteneği sayesinde bu senaryo için idealdir. K-nearest neighbors (k-NN) algoritması seyrek verilerde performans düşüşü yaşayabilir ve yüksek boyutlulukta hesaplama maliyeti artar. Principal Component Analysis (PCA) bir boyut indirgeme tekniğidir, tahmin yapmaktan ziyade veri sıkıştırma ve özellik mühendisliği için kullanılır. Sequence-to-Sequence (seq2seq) ise genellikle doğal dil işleme (NLP) ve dizisel verilerle çalışmak için tasarlanmıştır, tavsiye sistemlerinin bu özel türü için uygun değildir.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez