機械学習モデルが、敏感な特徴にわたって不公平な予測を生成することがあります。
モデルの不公平さを軽減するには、後処理技術を使用してモデルに制約を適用する必要があります。
後処理手法とモデル タイプを選択する必要があります。
何を使うべきでしょうか? 回答するには、回答エリア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 ポイントが加算されます。

Azure Machine Learning Studio を使用して大規模なデータストアからデータを取得しています。
システム クロックに基づくランダム サンプリング シードを使用して、テスト目的でデータのサブセットを作成する必要があります。
パーティションとサンプル モジュールを実験に追加します。
モジュールのプロパティを選択する必要があります。
どの値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てください。
注意: 正しい選択ごとに 1 ポイントが加算されます。

Azure Machine Learning ワークスペースを管理します。
ジョブの実行環境を定義し、コードの依存関係をカプセル化する必要があります。
Docker ビルド コンテキストから環境を構成する必要があります。
乗車セグメントをどのように完了する必要がありますか? 回答するには、回答エリア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 ポイントが加算されます。

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可能性のある独自の解答が含まれています。質問セットによっては、複数の正解が存在する場合もあれば、正解がない場合もあります。
このセクションの質問に回答した後は、その質問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。
Azure Machine Learning を使用して、分類モデルをトレーニングする実験を実行しています。
Hyperdrive を使用して、モデルの AUC メトリックを最適化するパラメータを見つけます。次のコードを実行して、実験用の HyperDriveConfig を設定します。

この設定を使用して、ランダムフォレストモデルをトレーニングし、検証データでテストするスクリプトを実行します。検証データのラベル値はy_testという変数に格納され、モデルから予測された確率はy_predictedという変数に格納されます。
Hyperdrive が AUC メトリックのハイパーパラメータを最適化できるようにするには、スクリプトにログ記録を追加する必要があります。
解決策: 次のコードを実行します。

ソリューションは目標を満たしていますか?

Azure Machine Learning を使用して機械学習モデルをトレーニングします。トレーニング スクリプトをリモートで実行するためのコンピューティング先が必要です。次の Python コードを実行します。