解説

SageMaker Factorization Machines（FM）は協調フィルタリングのような高スパース・高次元データに特化した組み込みアルゴリズムです。ユーザーIDと映画IDをone-hot符号化した入力から、潜在因子ベクトル（Latent Factor）を学習して全特徴量ペアの2次相互作用を効率的に計算します。99%のスパースデータでも行列分解と同等のユーザー×映画の潜在的な関係を回帰または分類として予測でき、推薦システムのベースラインアルゴリズムとして広く採用されています。 選択肢BのLinear Learnerはスパースデータに対応していますが、特徴量間の2次相互作用（ユーザーと映画の潜在的な親和性）を捉えられないため、協調フィルタリングに必要な表現力が不足します。 選択肢CのDeepARは時系列を予測する深層学習アルゴリズムです。視聴履歴の順序パターン予測には活用できますが、任意の（ユーザー、映画）ペアの評価スコアを直接予測する設計ではありません。 選択肢DのK-Meansは教師なしクラスタリングアルゴリズムです。ユーザーをグループ化することは可能ですが、未評価映画の評価スコアを定量的に予測する回帰モデルを直接構築することはできません。