機械学習エンジニア アソシエイト問題演習

Case study - An ML engineer is developing a fraud detection model on AWS. The training data set includes transaction logs, customer data, and tables in a local MySQL database. Transaction logs and customer data are stored in Amazon S3. There is a class imbalance in the data set, which affects the learning of the model algorithm. Additionally, many features have interdependencies. The algorithm does not capture all the desired underlying patterns in the data. ML engineers need to use Amazon SageMaker's built-in algorithms to train models. Which algorithm should a machine learning engineer use to meet this requirement? ケーススタディ - ML エンジニアは AWS で不正検出モデルを開発しています。トレーニング データ セットには、トランザクション ログ、顧客データ、ローカル MySQL データベース内のテーブルが含まれます。トランザクション ログと顧客データは Amazon S3 に保存されます。データセットにはクラスの不均衡があり、モデルアルゴリズムの学習に影響を与えます。さらに、多くの機能には相互依存関係があります。このアルゴリズムは、データ内の必要な基礎となるパターンをすべて捕捉するわけではありません。 ML エンジニアは、Amazon SageMaker の組み込みアルゴリズムを使用してモデルをトレーニングする必要があります。この要件を満たすために機械学習エンジニアはどのアルゴリズムを使用する必要がありますか?

次のうち、正しいものを1つ選んでください。