以下の答えを参照してください。
説明
下の画像を参照してください

説明

ボックス 1: ブーストされたデシジョン ツリー回帰
平均絶対誤差 (MAE) は、予測が実際の結果にどれだけ近いかを測定します。したがって、スコアが低いほど優れています。
ボックス 2:
オンライン勾配降下法: アルゴリズムに最適なパラメーターを見つけてもらいたい場合は、[トレーナー モードの作成] オプションを [パラメーター範囲] に設定します。その後、試行するアルゴリズムに複数の値を指定できます。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/evaluate-model
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/linear-regression

説明

CUDA は、Nvidia が独自の GPU (グラフィックス プロセッシング ユニット) での一般的なコンピューティングのために開発した並列コンピューティング プラットフォームおよびプログラミング モデルです。CUDA を使用すると、開発者は計算の並列化可能な部分に GPU のパワーを利用することで、計算集約型のアプリケーションを高速化できます。
参照：
https://www.infoworld.com/article/3299703/what-is-cuda-Parallel-programming-for-gpus.html

Export Count Table モジュールは、Build Count Table (非推奨) モジュールおよび Count Featurizer (非推奨) モジュールを使用する実験との下位互換性のために提供されています。
E: データの要約統計は、完全なデータセットの特性を理解したい場合に役立ちます。たとえば、次のことを知る必要があるかもしれません。
各列には欠損値がいくつありますか?
特徴列には一意の値がいくつありますか?
各列の平均と標準偏差はいくらですか?
このモジュールは、各列の重要なスコアを計算し、入力として提供された各変数 (データ列) の要約統計量の行を返します。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/export-count-table
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/summarize-data