説明

機械学習では、データにラベルを付けている場合、それは、ターゲットを表示するためにデータがマークアップまたは注釈付けされていることを意味します。これは、機械学習モデルで予測する答えです。
一般に、データのラベル付けは、データのタグ付け、注釈、分類、モデレート、転記、または処理を含むタスクを指す場合があります。
参照：
https://www.cloudfactory.com/data-labeling-guide

予測チャートと真のチャートとは何ですか？
Predicted vs. Trueは、回帰問題の予測値とそれに相関する真の値の関係を示しています。このグラフは、予測値がy = x線に近いほど、予測モデルの精度が高くなるため、モデルのパフォーマンスを測定するために使用できます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-understand-automated-m

以下の回答を参照してください説明
Explanation:
顔認識機能をアプリに統合します。

セクション：人工知能のワークロードと考慮事項について説明する
説明
Explanation:
モデル説明能力。
ほとんどの企業は信頼に基づいて運営されており、MLの「ブラックボックス」を開くことができると、透明性と信頼を構築するのに役立ちます。ヘルスケアや銀行などの規制の厳しい業界では、規制とベストプラクティスを遵守することが重要です。これの重要な側面の1つは、入力変数（機能）とモデル出力の関係を理解することです。各特徴（特徴の重要性）が予測値に与える影響の大きさと方向の両方を知ることは、モデルをよりよく理解して説明するのに役立ちます。モデル説明機能を使用すると、自動化されたML実行の一部として機能の重要性を理解できます。
参照：
https://azure.microsoft.com/en-us/blog/new-automated-machine-learning-capabilities-in-azure-machine-learning-service/

説明
ダイアグラムの説明は自動的に生成されます

ボックス1：エンティティの認識
Machine Learning Studio（クラシック）の名前付きエンティティ認識モジュール。テキストの列にある人、会社、場所などの名前を識別します。
固有表現抽出は、機械学習と自然言語処理（NLP）の重要な研究分野です。これは、次のような多くの現実の質問に答えるために使用できるためです。
*ニュース記事で言及された企業はどれですか？
*ツイートには人の名前が含まれていますか？ツイートは彼の現在の場所も提供していますか？
*苦情やレビューで特定の製品が言及されましたか？
ボックス2：感情分析
Text Analytics APIの感情分析機能は、ポジティブな感情とネガティブな感情を検出するための2つの方法を提供します。感情分析リクエストを送信すると、APIは感情ラベル（「ネガティブ」など）を返します。
「ニュートラル」および「ポジティブ」）および文およびドキュメントレベルでの信頼スコア。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/named-entity-recognition
https://docs.microsoft.com/en-us/azure/cognitive-services/text-analytics/how-tos/text-analytics-how-to-sentimen