注：この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、述べられた目標を達成する可能性のある独自の解決策が含まれています。一部の質問セットには複数の正しい解決策がある場合がありますが、他の質問セットには正しい解決策がない場合があります。
このセクションの質問に回答した後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
ワークスペースにAzureMachineLearningサービスデータストアを作成します。データストアには次のファイルが含まれています。
* /data/2018/Q1.csv
* /data/2018/Q2.csv
* /data/2018/Q3.csv
* /data/2018/Q4.csv
* /data/2019/Q1.csv
すべてのファイルは、次の形式でデータを保存します。
id、f1、f2、I
1,1,2,0
2,1,1,1
3,2,1,0
4,2,2,1
次のコードを実行します。

次のコードを使用して、training_dataという名前のデータセットを作成し、すべてのファイルから単一のデータフレームにデータをロードする必要があります。

解決策：次のコードを実行します。

ソリューションは目標を達成していますか？

C-サポートベクター分類を使用して、不均衡なトレーニングデータセットでマルチクラス分類を実行しています。以下に示すPythonコードを使用したC-サポートベクター分類：

C-サポートベクター分類コードを評価する必要があります。
どの評価ステートメントを使用する必要がありますか？回答するには、回答エリアで適切なオプションを選択してください。
注：正しい選択はそれぞれ1ポイントの価値があります。

あなたはホテル予約ウェブサイト会社で働いているデータサイエンティストです。Azure Machine Learningサービスを使用して、不正なトランザクションを識別するモデルをトレーニングします。
Azure Machine Learning SDKのModel.deployメソッドを使用して、モデルをAzureMachineLearningリアルタイムWebサービスとしてデプロイする必要があります。デプロイされたWebサービスは、トランザクションデータ入力に基づいて不正のリアルタイム予測を返す必要があります。
モデルのデプロイに使用されるInferenceConfigクラスのentry_scriptパラメーターとして指定されるスクリプトを作成する必要があります。
エントリスクリプトは何をすべきですか？

提供されているトレーニングセットを使用して、バイナリ分類モデルを構築しています。
トレーニングセットは、2つのクラス間で不均衡です。
データの不均衡を解決する必要があります。
この目標を達成するための3つの可能な方法は何ですか？それぞれの正解は完全な解決策を提示します注：それぞれの正しい選択は1ポイントの価値があります。

あなたは、画像分類のための深い畳み込みニューラルネットワーク（CNN）を構築するデータサイエンティストです。
作成したCNNモデルは、過剰適合の兆候を示しています。
過剰適合を減らし、モデルを最適な適合に収束させる必要があります。
実行する必要がある2つのアクションはどれですか？それぞれの正解は完全な解決策を提示します。
注：正しい選択はそれぞれ1ポイントの価値があります。