Azure Machine Learning デザイナーを使用して、トレーニング パイプラインを作成して実行します。次に、リアルタイム推論パイプラインを作成します。
リアルタイム推論パイプラインを Web サービスとしてデプロイする必要があります。
リアルタイム推論パイプラインをデプロイする前に何をしなければなりませんか?

テスト要件に応じてデータを分割する方法を特定する必要があります。
どのプロパティを選択する必要がありますか? 答えるには、適切なオプションを選択してください。答えは次のとおりです。注: 正しく選択するたびに 1 ポイントの価値があります。

次のように定義された 6 つのデータ ポイントを含む Python NumPy 配列を評価しています。
データ = [10、20、30、40、50、60]
Python Scikit-learn 機械学習ライブラリの k-fold アルゴリズム注入を使用して、次の出力を生成する必要があります。
トレイン: [10 40 50 60]、テスト: [20 30]
トレイン: [20 30 40 60]、テスト: [10 50]
トレイン: [10 20 30 50]、テスト: [40 60]
出力を生成するには、相互検証を実装する必要があります。
コードセグメントをどのように完成させるべきでしょうか? 回答するには、回答領域のダイアログ ボックスで適切なコード セグメントを選択します。
注: 正しく選択するたびに 1 ポイントの価値があります。

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 Learning learning Studio で新しい実験を作成しています。
トレーニング内の 1 つのクラスの観測値の数が他のクラスよりもはるかに少ないため、クラスの不均衡を補うために適切なデータ サンプリング戦略を選択する必要があります。
解決策: Synthetic Minority Oversampling Technique (SMOTE) サンプリング モードを使用します。
解決策は目標を達成できますか?

Azure Machine Learning Studio を使用して、2 つのデータ セットが互いに大きく異なるかどうかを判断しています。
一方のデータ セットの推定値は、もう一方のデータ セットの基準値よりも大きい場合もあれば、小さい場合もあります。相関関係の関数として一定のタイプ I 誤差を持つ分布を生成する必要があります。
ディストリビューションを作成する必要があります。
どの種類のディストリビューションを作成する必要がありますか?