설명:
가장 기본적인 의미에서 회귀는 숫자 목표의 예측을 나타냅니다.
선형 회귀는 하나 이상의 독립 변수와 숫자 결과 또는 종속 변수 간의 선형 관계를 설정하려고 시도합니다.
이 모듈을 사용하여 선형 회귀 방법을 정의한 다음 레이블이 지정된 데이터 세트를 사용하여 모델을 훈련합니다. 그런 다음 훈련된 모델을 사용하여 예측할 수 있습니다.
오답:
분류는 데이터를 사용하여 항목 또는 데이터 행의 범주, 유형 또는 클래스를 결정하는 기계 학습 방법입니다.
기계 학습에서 클러스터링은 데이터 포인트를 유사한 클러스터로 그룹화하는 방법입니다. 세분화라고도 합니다.
수년에 걸쳐 많은 클러스터링 알고리즘이 개발되었습니다. 거의 모든 클러스터링 알고리즘은 개별 항목의 기능을 사용하여 유사한 항목을 찾습니다. 예를 들어 인구 통계를 기준으로 유사한 사람을 찾기 위해 클러스터링을 적용할 수 있습니다. 텍스트 분석과 함께 클러스터링을 사용하여 유사한 주제 또는 감정을 가진 문장을 그룹화할 수 있습니다.
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/algorithm-module-reference/linear-regression
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/machine-learning-initialize-model-clustering

설명

설명

상자 1: 예
콘텐츠 중재자는 Microsoft Cognitive Services의 일부로 기업이 사람의 검토를 보강하는 텍스트, 이미지 및 비디오의 기계 지원 중재를 사용할 수 있도록 합니다.
텍스트 조정 기능에는 이제 학습된 모델을 사용하여 속어, 축약어, 공격적, 의도적으로 철자가 틀린 단어와 같은 욕설, 경멸적 또는 차별적 언어를 식별하는 새로운 기계 학습 기반 텍스트 분류 기능이 포함됩니다.
상자 2: 아니요
Azure의 Computer Vision 서비스를 사용하면 이미지를 처리하고 관심 있는 시각적 기능을 기반으로 정보를 반환하는 고급 알고리즘에 액세스할 수 있습니다. 예를 들어 Computer Vision은 이미지에 성인 콘텐츠가 포함되어 있는지 확인하거나, 특정 브랜드 또는 개체를 찾거나, 사람을 찾을 수 있습니다. 얼굴.
상자 3: 예
자연어 처리(NLP)는 감정 분석, 주제 감지, 언어 감지, 핵심 구문 추출 및 문서 분류와 같은 작업에 사용됩니다.
감정 분석은 글이 긍정적인지, 부정적인지, 중립적인지 판단하는 과정입니다.
참조:
https://azure.microsoft.com/es-es/blog/machine-assisted-text-classification-on-content-moderator-public-preview
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language-processing

참조:
https://docs.microsoft.com/en-us/azure/machine-learning/tutorial-designer-automobile-price-train-score

섹션: Azure의 대화형 AI 워크로드 기능 설명
설명:
자동 추출
FAQ 페이지, 지원 웹 사이트, Excel 파일, SharePoint 문서, 제품 설명서 및 정책을 포함한 반구조화된 콘텐츠에서 질문-답변 쌍을 추출합니다.
참조:
https://docs.microsoft.com/en-us/azure/cognitive-services/qnamaker/concepts/content-types