説明
Explanation:
TensorFlow は、数値計算と大規模機械学習のためのオープンソース ライブラリです。Python を使用して、フレームワークを使用したアプリケーションを構築するための便利なフロントエンド API を提供します。TensorFlow は、手書き数字の分類、画像認識、単語の埋め込み、リカレント ニューラル ネットワーク、機械翻訳用のシーケンス間モデル、自然言語処理、および PDE (偏微分方程式) ベースのシミュレーション用のディープ ニューラル ネットワークをトレーニングおよび実行できます。
誤った回答:
A: Rattle は、データ分析と機械学習を始めるのに役立つ R 分析ツールです。
C: Weka は、Java でのビジュアル データ マイニングおよび機械学習ソフトウェアに使用されます。
D: Scikit-learn は、Python の機械学習に最も役​​立つライブラリの 1 つです。NumPy、SciPy、matplotlib をベースにしたこのライブラリには、分類、回帰、クラスタリング、次元削減など、機械学習や統計モデリングのための効率的なツールが多数含まれています。
参照：
https://www.infoworld.com/article/3278008/what-is-tensorflow-the-machine-learning-library-explained.html

代わりに、Synthetic Minority Oversampling Technique (SMOTE) サンプリング モードを使用します。
注: SMOTE は、機械学習に使用されるデータセット内の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、既存のケースを単純に複製するよりも、まれなケースの数を増やすのに適した方法です。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/smote

説明
scikit-learn 推定器は、コンピューティング ターゲットで scikit-learn トレーニング ジョブを起動する簡単な方法を提供します。これは、単一ノード CPU トレーニングをサポートするために使用できる SKLearn クラスを通じて実装されます。
例：
azureml.train.sklearn から SKLearn をインポートします
}
推定器 = SKLearn(ソースディレクトリ=プロジェクトフォルダ、
計算対象=計算対象、
エントリスクリプト='train_iris.py'
）
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-scikit-learn

Explanation:
Azure Machine Learning Studio の Clean Missing Data モジュールを使用して、欠損値を削除、置換、または推測します。
誤った回答:
潜在ディリクレ変換: Azure Machine Learning Studio の潜在ディリクレ配分モジュールは、分類されていないテキストをいくつかのカテゴリにグループ化します。潜在ディリクレ配分 (LDA) は、自然言語処理 (NLP) で類似したテキストを見つけるためによく使用されます。もう 1 つの一般的な用語はトピック モデリングです。
カウント変換の構築: Azure Machine Learning Studio でカウント変換モジュールを構築し、トレーニング データを分析します。このデータから、モジュールはカウント テーブルと、予測モデルで使用できるカウントベースの機能のセットを構築します。
欠損値スクラバー: 欠損値スクラバー モジュールは非推奨です。
特徴ハッシュ: 特徴ハッシュは言語学に使用され、一意のトークンを整数に変換することによって機能します。
離散値の置き換え: Azure Machine Learning Studio の離散値の置き換えモジュールは、離散値を表すために使用できる確率スコアを生成するために使用されます。このスコアは、離散値の情報値を理解するのに役立ちます。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clean-missing-data