SageMaker 주요 알고리즘

✅ 알고리즘 요약

알고리즘	설명	사용 용도	데이터 유형
XGBoost	결정 트리 기반 부스팅 모델	고성능 분류/회귀 (예: 고객 이탈 예측)	CSV, libsvm (수치형 + 범주형)
Linear Learner	빠르고 효율적인 선형 모델	로지스틱 회귀, 선형 회귀 (예: 가격 예측)	CSV, libsvm
K-Means	비지도 클러스터링 모델	고객 분류, 세그먼트 나누기	수치형 데이터 (정규화 권장)
Object Detection	이미지 내 객체를 인식하고 위치 추정	얼굴 탐지, 차량 번호판 검출 등	이미지 + 바운딩 박스 라벨
BlazingText	빠른 텍스트 임베딩 학습 모델	단어 임베딩, 텍스트 분류	텍스트 파일 (.txt, .json 등)
Seq2Seq	시퀀스-투-시퀀스 딥러닝 모델	기계 번역, 문장 요약	텍스트 시퀀스 쌍 (입력 → 출력)

---

🧠 핵심 비교 포인트

알고리즘	지도 학습	비지도 학습	딥러닝 기반	실시간 처리
XGBoost	✅	❌	❌	빠름
Linear Learner	✅	❌	❌	매우 빠름
K-Means	❌	✅	❌	빠름
Object Detection	✅	❌	✅	느릴 수 있음
BlazingText	✅ / ❌	✅ (Word2Vec)	❌	빠름
Seq2Seq	✅	❌	✅ (RNN, LSTM, Transformer)	느릴 수 있음

---

✅ 언제 어떤 걸 써야 할까?

• ✅ 표 형태 데이터 분류/회귀 → XGBoost, Linear Learner
• ✅ 고객 그룹 자동 분류 (정답 없음) → K-Means
• ✅ 이미지 안의 위치까지 찾고 싶을 때 → Object Detection
• ✅ 텍스트를 숫자로 표현하고 싶을 때 → BlazingText
• ✅ 문장을 다른 문장으로 바꾸고 싶을 때 → Seq2Seq