MLAMLモデルの開発
EC サイトがユーザー数1,000万・商品数500万規模のレコメンドシステムを SageMaker 上で構築する。ユーザー・商品間のインタラクション行列は非常に疎（スパース）で、ユーザーの年齢・地域などの属性と商品カテゴリ・価格帯も特徴量として組み合わせて予測精度を高めたい。この要件に最も適した SageMaker 組み込みアルゴリズムはどれか。
AXGBoost
XGBoost は密なテーブルデータのブースティングに強いが、スパースなインタラクション行列の潜在因子分解には設計されていない。
BFactorization Machines
✓ 正解
Factorization Machines はスパースデータと特徴量間の二次交互作用を低次元潜在空間で効率的に扱えるレコメンド向きアルゴリズム。
CK-Nearest Neighbors（KNN）
KNN はユーザー類似度計算に使えるが、1,000万規模のスパース高次元データへのスケールに課題がある。
DObject2Vec
Object2Vec はペア形式データから汎用埋め込みを学習するが、スパース行列の協調フィルタリングには FM ほど特化していない。
解説
Factorization Machines はスパースデータに特化し、ユーザー・商品の潜在因子と副特徴量の交互作用を効率的にモデル化できるためレコメンドに最適。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでMLAを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →