注: この質問は、同じシナリオを示す一連の質問の一部です。このシリーズの各質問には、指定された目標を達成でき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含まれ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すると、その質問に戻ることはできません。そのため、これらの質問はレビュー画面には表示されません。
Azure Machine Learning を使用して、分類モデルをトレーニングする実験を実行しています。
Hyperdrive を使用して、モデルの AUC メトリックを最適化するパラメーターを見つけたいと考えています。次のコードを実行して、実験用に HyperDriveConfig を構成します。

この構成を使用して、ランダム フォレスト モデルをトレーニングし、検証データを使用してテストするスクリプトを実行する予定です。検証データのラベル値は y_test 変数という名前の変数に格納され、モデルからの予測確率は y_predicted という名前の変数に格納されます。
解決策: 次のコードを実行します。

解決策は目標を達成できますか?

二項分類を実行するリカレント ニューラル ネットワークを構築しています。各トレーニング エポックのトレーニング損失、検証損失、トレーニング精度、および検証精度を確認します。
モデルのパフォーマンスを分析する必要があります。
分類モデルが過剰適合していることを示す観測結果はどれですか?

Azure Machine Learning サービスを使用して、training.data という名前の表形式のデータセットを作成します。このデータセットをトレーニング スクリプトで使用する予定です。
次のコードを使用して、データセットを参照する変数を作成します。
training_ds = workspace.datasets.get("training_data")
スクリプトを実行するためのエスティメーターを定義します。
スクリプトが training.data データセットにアクセスできるようにするには、推定器の正しいプロパティを設定する必要があります。どのプロパティを設定する必要がありますか?
A)

B)

C)

D)

以前に、CSV ファイルのフォルダーに基づく training-dataset という名前の表形式のデータセットを使用してトレーニングされたモデルをデプロイしました。
時間の経過とともに、モデルによって生成された特徴と予測ラベルが月ごとの CSV ファイルを含むフォルダーに収集されました。推論データが含まれるフォルダーに基づいて 2 つの表形式データセットを作成しました。1 つは予測ラベルを含むトレーニング データと正確に一致するスキーマを含む、predictions-dataset という名前です。もう 1 つの名前付き features-dataset は、すべての特徴列と、日、月、年を含むファイル名に基づくタイムスタンプ列を含むスキーマを持ちます。
モデルがトレーニングされてからのフィーチャ データの変化傾向を特定するには、データ ドリフト モニターを作成する必要があります。これを実現するには、データ ドリフト モニターに必要なデータセットを定義する必要があります。
データ ドリフト モニターを構成するにはどのデータセットを使用する必要がありますか? 答えるには、適切なデータセットを正しいデータ ドリフト モニター オプションにドラッグします。各ソースは 1 回使用することも、複数回使用することも、まったく使用しないこともできます。コンテンツを表示するには、ペイン間で分割バーをドラッグするか、スクロールする必要がある場合があります。
注: 正しく選択するたびに 1 ポイントの価値があります。

トレーニングされたモデルのリアルタイム推論サービスをデプロイします。
デプロイされたモデルはビジネス クリティカルなアプリケーションをサポートしており、Web サービスに送信されたデータとそのデータが生成する予測を監視できることが重要です。
最小限の管理労力で、展開されたモデルの監視ソリューションを実装する必要があります。
あなたは何をするべきか？