参照：
https://machinelearningmastery.com/difference-test-validation-datasets/

参照：
https://docs.microsoft.com/en-us/azure/bot-service/bot-service-manage-channels?view=azure-bot-service-4.0 接続する別のチャネルであるため、3 つはすべて正しいです。ボット Office 365 電子メール - ボットが Office 365 電子メールを介してユーザーと通信できるようにします。
Microsoft Teams - Microsoft Teams を通じてユーザーと通信するようにボットを構成します。
Web チャット - Bot Framework Service を使用してボットを作成すると、自動的に構成されます。
https://docs.microsoft.com/en-us/azure/bot-service/bot-service-manage-channels?view=azure-bot-service-4.0

説明

参照：
https://docs.microsoft.com/en-gb/azure/cognitive-services/qnamaker/concepts/data-sources-and-content
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural- language-processing-service

説明

ボックス 1: はい
機械学習では、データにラベルを付けた場合、データにマークアップまたは注釈が付けられ、機械学習モデルで予測したい答えであるターゲットが表示されることを意味します。
一般に、データのラベル付けとは、データのタグ付け、注釈、分類、モデレーション、転写、または処理を含むタスクを指します。
ボックス 2: いいえ
ボックス 3: いいえ
精度は単に正しく分類されたインスタンスの割合です。通常、これは分類子を評価するときに最初に参照するメトリックです。ただし、テスト データのバランスが取れていない場合 (ほとんどのインスタンスがいずれかのクラスに属している場合)、またはどちらかのクラスのパフォーマンスに関心がある場合、精度は分類子の有効性を実際には捉えません。
参照：
https://www.cloudfactory.com/data-labeling-guide
https://docs.microsoft.com/en-us/azure/machine-learning/studio/evaluate-model-performance