参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/compute-linear-correlation

説明

ボックス 1: トレーニングデータ
実験内で使用されるトレーニング データ。これには、トレーニング特徴とラベル列 (オプションでサンプル重み列) の両方が含まれている必要があります。training_data が指定されている場合は、label_column_name パラメーターも指定する必要があります。
ボックス 2: 検証データ
検証データを提供する: この場合、単一のデータ ファイルから開始してトレーニング セットと検証セットに分割することも、検証セットに別のデータ ファイルを提供することもできます。いずれの場合も、AutoMLConfig オブジェクトの validation_data パラメーターは、検証セットとして使用するデータを割り当てます。
たとえば、次のコード例では、データセット内の提供されたデータのどの部分をトレーニングと検証に使用するかを明示的に定義します。
データセット = Dataset.Tabular.from_delimited_files(データ)
training_data、validation_data = dataset.random_split(percentage=0.8、seed=1) automl_config = AutoMLConfig(compute_target = aml_remote_compute、task = 'classification'、primary_metric = 'AUC_weighted'、training_data = training_data、validation_data = validation_data、label_column_name = 'Class' )ボックス 3: ラベル列名 ラベル列名:
ラベル列の名前。入力データが列名を持たない pandas.DataFrame からのものである場合、代わりに列インデックスを整数として表すことができます。
このパラメータは、training_data パラメータと validation_data パラメータに適用されます。
参照：
https://docs.microsoft.com/en-us/python/api/azureml-train-automl-client/azureml.train.automl.automlconfig.auto

代わりに、Synthetic Minority Oversampling Technique (SMOTE) サンプリング モードを使用してください。
注: SMOTE は、機械学習に使用されるデータセット内で過小評価されているケースの数を増やすために使用されます。SMOTE は、既存のケースを単に複製するよりも、まれなケースの数を増やす優れた方法です。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/smote