用於表格數據的內置 SageMaker 算法

AutoGluon-表格——為開源 AutoML 框架，透過合併模型並將它們堆疊在多個圖層中來成功運作。

CatBoost——為梯度提升樹演算法的實作，該算法引入了有序增強和用於處理分類功能的創新算法。

Factorization Machines 演算法——為線性模型的擴展，旨在高維度稀疏資料集內，以經濟實惠方式擷取各特徵之間的互動。

K 近鄰 (k-NN) 演算法——使用最接近 k 標籤點的非參數方法，將標籤指派給新資料點進行分類，或從最接近 k 點的平均值中指定一個預測的目標值以進行迴歸。

燈光GBM——為梯度提升樹演算法的實作，該算法增加了兩種新穎的技術以提高效率和可擴展性：基於梯度的單側採樣（GOSS）和獨家功能綁定（EFB）。

線性學習程式演算法——學習用於迴歸的線性函數，或用於分類的線性閾值函數。

TabTransformer— 建立在 self-attention-based變形金剛上的新型深度表格數據建模架構。

XGBoost 演算法搭配 Amazon SageMaker——為梯度提升樹演算法的實作，該算法結合了來自一組簡單和較弱的模型的估計值。