Caffe2 と PyTorch は、Linux 用の Data Science Virtual Machine によってサポートされています。
Microsoft は、Ubuntu 16.04 LTS および CentOS 7.4 上で DSVM の Linux エディションを提供しています。
Ubuntu 上の DSVM のみが Caffe2 と PyTorch 用に事前構成されています。
誤った回答:
D: Caffe2 と PytOCH は、Linux 用のデータ サイエンス仮想マシンでのみサポートされます。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/data-science-virtual-machine/overview

説明

ボックス1: PCA(n_components = 10)
トレーニング セットとテスト セットの両方で、特徴セットの次元を 10 に減らす必要があります。
例：
sklearn.decomposition から PCA をインポート
pca = PCA(n_components=2) ;2次元
主成分 = pca.fit_transform(x)
ボックス2: pca
fit_transform(X[, y])はモデルをXに適合させ、Xに次元削減を適用します。
ボックス3: transform(x_test)
transform(X)はXに次元削減を適用します。
参考文献:
https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html

Explanation:
ボックス 1: azureml.core.webservice から Webservice をインポート
次のコードは、SDK を使用して、Web サービスのモデル、環境、およびエントリ スクリプトを Azure Container Instances に更新する方法を示しています。
azureml.core から環境をインポート
azureml.core.webservice から Webservice をインポートします
azureml.core.model から Model、InferenceConfig をインポートします
ボックス 2: predictions = service.run(input_json)
例: 次のコードは、サービスにデータを送信する方法を示しています。
jsonをインポート
test_sample = json.dumps({'データ': [
[1、2、3、4、5、6、7、8、9、10]、
[10、9、8、7、6、5、4、3、2、1]
]})
test_sample = バイト(test_sample、エンコーディング='utf8')
予測 = service.run(入力データ = テストサンプル)
印刷(予測)
参照：
https://docs.microsoft.com/bs-latn-ba/azure/machine-learning/how-to-deploy-azure-container-instance
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-troubleshoot-deployment