説明

ボックス 1: ストップワードを削除する
情報検索を最適化するために単語を削除します。
ストップワードを削除する: 事前定義されたストップワード リストをテキスト列に適用する場合は、このオプションを選択します。ストップワードの除去は、他の処理の前に実行されます。
ボックス 2: 見出し語化
複数の関連単語が 1 つの標準形式から存在することを確認します。
見出し語化により、複数の関連単語が 1 つの標準形式に変換されます。 ボックス 3: 特殊文字を削除します。 特殊文字を削除します。 このオプションを使用して、英数字以外の特殊文字をパイプ | に置き換えます。キャラクター。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/preprocess-text

Explanation:
ボックス 1: ブーストされたデシジョン ツリー回帰
平均絶対誤差 (MAE) は、予測が実際の結果にどれだけ近いかを測定します。したがって、スコアが低いほど優れています。
ボックス 2:
オンライン勾配降下法: アルゴリズムに最適なパラメーターを見つけてもらいたい場合は、[トレーナー モードの作成] オプションを [パラメーター範囲] に設定します。その後、試行するアルゴリズムに複数の値を指定できます。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/evaluate-model
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/linear-regression

automl_classifier の get_output メソッドは、最後の呼び出しに対する最適な実行と適合モデルを返します。get_output のオーバーロードを使用すると、ログに記録されたメトリクスまたは特定の反復に対して最適な実行および適合モデルを取得できます。
の [ ]：
best_run、fitted_model = local_run.get_output()
参照：
https://notebooks.azure.com/azureml/projects/azureml-getting-started/html/how-to-use-azureml/automated-machine-learning/classification-with-deployment/auto-ml-classification-with-導入.ipynb

参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-machine-learning-fairness-aml

説明
Azure Machine Learning を使用して、GPU 対応モデルを Web サービスとしてデプロイできます。Azure Kubernetes Service (AKS) にモデルをデプロイすることは 1 つのオプションです。AKS クラスターは、モデルが推論のために使用する GPU リソースを提供します。
推論、つまりモデルのスコアリングは、デプロイされたモデルを使用して予測を行うフェーズです。CPU の代わりに GPU を使用すると、高度に並列化可能な計算でパフォーマンス上の利点が得られます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-deploy-inferencing-gpus