Her biri 15 sayısal özellikle (başlık, boyutlar, ağırlık, fiyat vb.) açıklanan ve altı kategorik ürün sınıfından birine atanan 1.200 ürünlük etiketli bir veri setiniz var. Bu veri setini kullanarak yeni ürünleri sınıflandırmak için hangi model en uygunudur?

Doğru cevap, çok sınıflı sınıflandırma için yapılandırılmış bir XGBoost modeli eğitmektir (objective = multi:softmax). XGBoost, sayısal ve kategorik özelliklerle iyi çalışan, yüksek performanslı bir gradyan artırma çerçevesidir. multi:softmax hedefi, altı farklı ürün sınıfı gibi birden fazla kategorik çıktıyı doğrudan tahmin etmek için uygundur. Diğer seçenekler neden yanlış: Derin evrişimli sinir ağı (CNN), genellikle görüntü veya metin gibi yapılandırılmamış veriler için kullanılır. 15 sayısal özellikten oluşan yapılandırılmış bir veri seti için aşırı karmaşık ve verimsizdir. Regresyon ormanı, sürekli değerleri tahmin etmek için kullanılır, kategorik sınıfları değil. Ayrıca, ağaç sayısını ürün kategorilerinin sayısına eşitlemek, regresyon ormanının çalışma prensibiyle ilgili değildir. DeepAR tekrarlayan sinir ağı, zaman serisi tahminleri için tasarlanmıştır. Ürün sınıflandırması bir zaman serisi problemi değildir.