用于表格数据的内置 SageMaker 算法

AutoGluon-Tabular – 开源 AutoML 框架，其成功之处在于组合模型并将模型堆叠成多个层。

CatBoost – 梯度增强树算法的实施，该算法引入了有序提升以及用于处理类别特征的创新算法。

因子分解机算法 – 线性模型的扩展，旨在经济地捕获高维度稀疏数据集中的各特征之间的交互。

K 最近邻 (k-NN) 算法 – 一种非参数化方法，该方法使用 k 个最近标记点将标签分配给新的数据点以进行分类，或者使用回归的 k 个最近点的平均值来预测目标值。

LightGBM – 梯度增强树算法的实施，它增加了两种新技术来提高效率和可扩展性：基于梯度的单边采样 (GOSS) 和互斥特征捆绑 (EFB)。

线性学习器算法 – 学习用于回归的线性函数或者用于分类的线性阈值函数。

TabTransformer – 一种新型深度表格数据建模架构，构建在基于自注意力的转换器上。

XGBoost 算法 – 梯度增强树算法的实施，该算法结合了来自一组更简单和较弱模型的估计数组合。