conda_packages=['scikit-learn'] という行が欠落していますが、これは必要です。
正しい例:
sk_est = Estimator(source_directory='./my-sklearn-proj',
script_params=script_params,
compute_target=compute_target、
entry_script='train.py',
conda_packages=['scikit-learn'])
ノート：
Estimator クラスは、提供されたフレームワークを使用してデータをトレーニングするための汎用推定器を表します。
このクラスは、Azure Machine Learning の事前構成された推定器がまだない機械学習フレームワークで使用するように設計されています。Chainer、PyTorch、TensorFlow、および SKLearn 用の事前構成された推定器が存在します。
例：
azureml.train.estimator からのインポート推定ツール
script_params = {
# mnist データセットによって参照されるファイルをマウントする
'--data-folder': ds.as_named_input('mnist').as_mount(),
'--正則化': 0.8
}
参照：
https://docs.microsoft.com/en-us/python/api/azureml-train-core/azureml.train.estimator.estimator

説明


語彙モード: 作成
語彙モードの場合は、[作成] を選択して、N-gram 特徴の新しいリストを作成していることを示します。
Nグラムサイズ: 3
[N グラム サイズ] には、抽出して保存する N グラムの最大サイズを示す数値を入力します。たとえば、「3」と入力すると、ユニグラム、バイグラム、およびトリグラムが作成されます。
重み付け関数：空白のまま
オプションの重み付け関数は、語彙をマージまたは更新する場合にのみ必要です。これは、2 つの語彙内の用語とそのスコアを相互にどのように重み付けするかを指定します。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/extract-n-gram-features-from-

1 - モデリング エポック間で周波数帯域の長さを変える
2 - モノラルオーディオクリップに標準化します。
3 - 時間の経過に伴う周波数変化に高速フーリエ変換を使用します。