説明
散布図を作成する
データの要約
クリップ値
Azure Machine Learning Studioの[クリップ値]モジュールを使用して、指定したしきい値より上または下のデータ値を識別し、オプションで置き換えることができます。これは、外れ値を削除したり、平均値、定数値、またはその他の代替値に置き換えたりする場合に役立ちます。
参照：
https://blogs.msdn.microsoft.com/azuredev/2017/05/27/data-cleansing-tools-in-azure-machine-learning/
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clip-values

Explanation:
シナリオ：
地域の群衆感情モデルの実験では、地域のペナルティ検出データを組み合わせる必要があります。
群衆の感情モデルは、歓声や既知のキャッチフレーズなどの既知の音を識別する必要があります。個々の群集感情モデルは、同様の音を検出します。
注：モデルのエラー率と重心距離の相関関係の変化を評価する機械学習では、最も近い重心分類器または最も近いプロトタイプ分類器は、平均（重心）が最も近いトレーニングサンプルのクラスのラベルを観測値に割り当てる分類モデルです。観察。
参照：
https://en.wikipedia.org/wiki/Nearest_centroid_classifier
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/sweep-clustering

get_outputメソッドは、最良の実行と適合モデルを返します。
参照：
https://notebooks.azure.com/azureml/projects/azureml-getting-started/html/how-to-use-azureml/automated-machine-learning/classification/auto-ml-classification.ipynb

参照：
https://www.infoworld.com/article/3299703/what-is-cuda-parallel-programming-for-gpus.html

Azure Machine Learningコンピューティングクラスターは、単一ノードまたはマルチノードのコンピューティングを簡単に作成できるマネージドコンピューティングインフラストラクチャです。コンピューティングは、ワークスペース内の他のユーザーと共有できるリソースとしてワークスペースリージョン内に作成されます。コンピューティングは、ジョブが送信されると自動的にスケールアップし、Azure仮想ネットワークに配置できます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-create-attach-compute-sdk