As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Built-in SageMaker Algoritmos de IA para dados tabulares
<a name="algorithms-tabular"></a>

A Amazon SageMaker AI fornece algoritmos integrados que são personalizados para a análise de dados tabulares. Os dados tabulares se referem a qualquer conjunto de dados organizado em tabelas que consistem em linhas (observações) e colunas (atributos). Os algoritmos de SageMaker IA integrados para dados tabulares podem ser usados para problemas de classificação ou regressão.
+ [AutoGluon-Tabular](autogluon-tabular.md): uma estrutura de AutoML de código aberto que é bem-sucedida ao agrupar modelos e empilhá-los em várias camadas. 
+ [CatBoost](catboost.md): uma implementação do algoritmo de árvores com aumento de gradiente que introduz o aumento ordenado e um algoritmo inovador para processar atributos categóricos.
+ [Algoritmo de Máquinas de fatoração](fact-machines.md): é uma extensão de um modelo linear projetado para capturar, com baixo custo, as interações entre os atributos presentes em conjuntos de dados esparsos altamente dimensionais.
+ [K-Nearest Algoritmo de vizinhos (k-NN)](k-nearest-neighbors.md): um método não paramétrico que usa os pontos k rotulados mais próximos para atribuir um rótulo a um novo ponto de dados para classificação ou um valor de destino previsto a partir da média dos pontos k mais próximos para a regressão.
+ [LightGBM](lightgbm.md)—uma implementação do algoritmo de árvores com aumento de gradiente que adiciona duas novas técnicas para melhorar a eficiência e a escalabilidade: Gradient-based One-Side amostragem (GOSS) e agrupamento exclusivo de recursos (EFB).
+ [Algoritmo de Aprendizagem linear](linear-learner.md): aprende uma função linear para regressão ou uma função de limite linear para classificação.
+ [TabTransformer](tabtransformer.md): uma arquitetura inovadora de modelagem de dados tabulares profundos construída em transformadores baseados em autoatenção. 
+ [Algoritmo XGBoost com Amazon AI SageMaker](xgboost.md): uma implementação do algoritmo de árvores com aumento de gradiente que combina um conjunto de estimativas a partir de um conjunto de modelos mais simples e menos robustos.


| Nome do algoritmo | Nome do canal | Modo de entrada do treinamento | Tipo de arquivo | Classe de instância | Paralelizável | 
| --- | --- | --- | --- | --- | --- | 
| AutoGluon-Tabular | treinamento e (opcionalmente) validação | Arquivo | CSV | CPU ou GPU (somente instância única) | Não | 
| CatBoost | treinamento e (opcionalmente) validação | Arquivo | CSV | CPU (somente instância única) | Não | 
| Máquinas de fatoração | treinamento e (opcionalmente) teste | Arquivo ou Pipe | registro IO-protobuf | CPU (GPU para dados densos) | Sim | 
| K-Nearest-Neighbors (K-nn) | treinamento e (opcionalmente) teste | Arquivo ou Pipe | registro IO-protobuf ou CSV | CPU ou GPU (dispositivo de GPU única em uma ou mais instâncias) | Sim | 
| LightGBM | treinamento e (opcionalmente) validação | Arquivo | CSV | CPU (somente instância única) | Não | 
| Aprendizagem linear | treinamento e (opcionalmente) validação, teste ou ambos | Arquivo ou Pipe | registro IO-protobuf ou CSV | CPU ou GPU | Sim | 
| TabTransformer | treinamento e (opcionalmente) validação | Arquivo | CSV | CPU ou GPU (somente instância única) | Não | 
| XGBoost (0.90-1, 0.90-2, 1.0-1, 1.2-1, 1.2-21) | treinamento e (opcionalmente) validação | Arquivo ou Pipe | CSV, LibSVM ou Parquet | CPU (ou GPU para 1.2-1) | Sim |