クリーニングが必要な生のデータセットを分析しています。
Azure Machine Learning Studio を使用して変換と操作を実行する必要があります。
変換を実行するには正しいモジュールを特定する必要があります。
どのモジュールを選択すればよいでしょうか? 答えるには、適切なモジュールを正しいシナリオにドラッグします。各モジュールは 1 回使用することも、複数回使用することも、まったく使用しないこともできます。
コンテンツを表示するには、ペイン間で分割バーをドラッグするか、スクロールする必要がある場合があります。
注: 正しく選択するたびに 1 ポイントの価値があります。

Azure Machine Learning Studio を使用してバイナリ分類モデルを作成します。
モデルを評価するには、受信者動作特性 (RO C) 曲線と F1 スコアを使用する必要があります。
必要なビジネス指標を作成する必要があります。
実験をどのように完了する必要がありますか? 回答するには、回答領域のダイアログ ボックスで適切なオプションを選択します。
注: 正しく選択するたびに 1 ポイントの価値があります。

あなたは分類タスクに取り組んでいます。生徒がサッカーをプレーしたいかどうかと、それに関連する属性を示すデータセットがあります。データセットには次の列が含まれています。
変数をタイプ別に分類する必要があります。
各カテゴリにどの変数を追加する必要がありますか? 回答するには、回答領域で適切なオプションを選択してください。
注: 正しく選択するたびに 1 ポイントの価値があります。

あなたは、短文形式で書かれた 12,000 件の顧客レビューを含む CSV ファイルを使用してセンチメント分析を実行しています。CSV ファイルを Azure Machine Learning Studio に追加し、実験の開始点データセットとして構成します。テキストから N グラム特徴を抽出モジュールを実験に追加して、データセットの顧客レビュー列からキー フレーズを抽出します。
カスタマー レビュー テキストから新しい N-gram 辞書を作成し、最大 N-gram サイズをトリグラムに設定する必要があります。
何を選択すればよいでしょうか? 回答するには、回答領域で適切なオプションを選択してください。
注: 正しく選択するたびに 1 ポイントの価値があります。

モデルのトレーニング時に選択したハイパーパラメーターを最適化するために Hyperdrive を使用する予定です。次のコードを作成して、ハイパーパラメータ実験のオプションを定義します。


次の各ステートメントについて、そのステートメントが true の場合は [はい] を選択します。それ以外の場合は、「いいえ」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。