DP-100 試験問題 386
注: この質問は、同じシナリオを提示する一連の質問の一部です。一連の質問にはそれぞれ、定められた目標を満たす独自の解決策が含まれています。質問セットによっては、正しい解決策が複数ある場合もあれば、正しい解決策がない場合もあります。
このセクションで質問に答えた後は、そのセクション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表示されません。
複数の列に欠損値が含まれる数値データセットを分析しています。
特徴セットの次元に影響を与えずに、適切な操作を使用して欠損値をクリーンアップする必要があります。
すべての値を含めるには、データセット全体を分析する必要があります。
解決策: 列の中央値を計算し、その中央値を列内の欠損値の代わりとして使用します。
ソリューションは目標を満たしていますか?
このセクションで質問に答えた後は、そのセクション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表示されません。
複数の列に欠損値が含まれる数値データセットを分析しています。
特徴セットの次元に影響を与えずに、適切な操作を使用して欠損値をクリーンアップする必要があります。
すべての値を含めるには、データセット全体を分析する必要があります。
解決策: 列の中央値を計算し、その中央値を列内の欠損値の代わりとして使用します。
ソリューションは目標を満たしていますか?
DP-100 試験問題 387
Azure Machine Learning を使用して、dataset1 という名前のデータセットに基づいてモデルをトレーニングします。
データセット モニターを定義し、新しいデータを含む dataset2 という名前のデータセットを作成します。
Azure Machine Learning SDK for Python を使用して、dataset1 と dataset2 を比較する必要があります。
DataDriftDetector クラスのどのメソッドを使用する必要がありますか?
データセット モニターを定義し、新しいデータを含む dataset2 という名前のデータセットを作成します。
Azure Machine Learning SDK for Python を使用して、dataset1 と dataset2 を比較する必要があります。
DataDriftDetector クラスのどのメソッドを使用する必要がありますか?
DP-100 試験問題 388
モデルのトレーニング要件に応じて、順列特徴重要度モジュールを設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? 回答するには、回答領域で適切なオプションを選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
どのプロパティを選択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ます。
注意: 正しい選択ごとに 1 ポイントが付与されます。
DP-100 試験問題 389
スペースを確保し、開発環境をセットアップします。Tensorflow フレームワークを使用し、推定器を使用してトレーニング スクリプトを送信することで、ディープ ニューラル ネットワーク (DNN) をトレーニングする予定です。
トレーニング実行の計算速度を最適化する必要があります。
使用する適切な推定値と適切なトレーニング コンピューティング ターゲット構成を選択する必要があります。
どの値を使用すればよいですか? 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。
注意: 正しい選択ごとに 1 ポイントが付与されます。
トレーニング実行の計算速度を最適化する必要があります。
使用する適切な推定値と適切なトレーニング コンピューティング ターゲット構成を選択する必要があります。
どの値を使用すればよいですか? 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。
注意: 正しい選択ごとに 1 ポイントが付与されます。
DP-100 試験問題 390
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 分割アルゴリズムの埋め込みを使用して、次の出力を生成する必要があります。
トレーニング: [10 40 50 60]、テスト: [20 30]
トレーニング: [20 30 40 60]、テスト: [10 50]
トレーニング: [10 20 30 50]、テスト: [40 60]
出力を生成するには、クロス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了すればよいですか? 回答するには、回答領域のダイアログ ボックスで適切なコード セグメントを選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
データ = [10, 20, 30, 40, 50, 60]
Python Scikit-learn 機械学習ライブラリの k 分割アルゴリズムの埋め込みを使用して、次の出力を生成する必要があります。
トレーニング: [10 40 50 60]、テスト: [20 30]
トレーニング: [20 30 40 60]、テスト: [10 50]
トレーニング: [10 20 30 50]、テスト: [40 60]
出力を生成するには、クロス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了すればよいですか? 回答するには、回答領域のダイアログ ボックスで適切なコード セグメントを選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
