説明

データセットをデータのサブセットに分割する場合は、[データをパーティションに分割] オプションを使用します。このオプションは、相互検証のためにカスタムの数のフォールドを作成する場合、または行を複数のグループに分割する場合にも役立ちます。
Studio (クラシック) の実験に Partition and Sample モジュールを追加し、データセットを接続します。
パーティションまたはサンプル モードの場合は、[フォルダーに割り当て] を選択します。
パーティション分割で置換を使用する: 再利用の可能性を考慮して、サンプリングされた行を行のプールに戻す場合は、このオプションを選択します。その結果、同じ行が複数のフォールドに割り当てられる可能性があります。
置換 (デフォルトのオプション) を使用しない場合、サンプリングされた行は再利用のために行のプールに戻されません。その結果、各行は 1 つのフォールドのみに割り当てることができます。
ランダム分割: 行をランダムに折り目に割り当てる場合は、このオプションを選択します。
このオプションを選択しない場合、ラウンドロビン方式を使用して行がフォールドに割り当てられます。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/partition-and-sample

Azure Databricks では、2 つの異なる種類のクラスターを作成できます。
標準、これらは既定のクラスターであり、Python、R、Scala、SQL で使用できます。 同時実行性の高い Azure Databricks は、Azure Data Factory と完全に統合されています。
不正解:
D: Azure Container Instances は開発またはテストに適しています。実稼働ワークロードには適していません。
参考文献:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/data-science-and-machinelearning

参照：
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.compute.computetarget

説明
実行は、実験の 1 回の試行を表します。実行は、トライアルの非同期実行を監視し、メトリクスを記録してトライアルの出力を保存し、結果を分析してトライアルによって生成されたアーティファクトにアクセスするために使用されます。
実行クラスの get_all_logs メソッドは、実行のすべてのログをディレクトリにダウンロードします。
参照：
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.run(クラス)

AD: アルゴリズムは、重心が安定したとき、または指定された反復回数が完了したときに終了します。
C: 重心がクラスターのメンバーをどの程度よく表現しているかを示す尺度は、残差二乗和または RSS (すべてのベクトルを合計した重心からの各ベクトルの距離の二乗) です。RSS は目的関数であり、私たちの目標はそれを最小化することです。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/k-means-clustering
https://nlp.stanford.edu/IR-book/html/htmledition/k-means-1.html