가장 기본적인 의미에서 회귀는 숫자적 목표에 대한 예측을 의미합니다.
선형 회귀 분석은 하나 이상의 독립 변수와 수치적 결과 또는 종속 변수 간의 선형 관계를 확립하려고 시도합니다.
이 모듈을 사용하여 선형 회귀 분석법을 정의한 다음, 레이블이 지정된 데이터셋을 사용하여 모델을 학습시킵니다. 학습된 모델은 예측에 사용될 수 있습니다.
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/linear-regression 회귀는 항목의 특징을 기반으로 숫자 레이블을 예측하는 데 사용되는 기계 학습의 한 형태입니다.
https://docs.microsoft.com/en-us/learn/modules/create-regression-model-azure-machine-learning-designer/소개

설명

참조:
https://docs.microsoft.com/en-gb/azure/cognitive-services/qnamaker/concepts/data-sources-and-content
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service QnA 메이커 대화형 AI 서비스는 SQL 데이터베이스와 관련이 없습니다. 두 가지 핵심 기술을 결합하여 Microsoft Azure에서 사용자 지원 봇 솔루션을 쉽게 만들 수 있습니다.
- QnA Maker. 이 인지 서비스를 사용하면 자연어 처리 기능이 내장된 지식 기반을 만들고 게시할 수 있습니다.
- Azure Bot Service. 이 서비스는 Azure에서 봇을 개발, 게시 및 관리하기 위한 프레임워크를 제공합니다.
LUIS는 발화를 통해 사용자 의도를 이해하는 데 사용됩니다.
Language Understanding을 사용하여 언어 이해 애플리케이션을 만드는 것은 두 가지 주요 작업으로 구성됩니다. 먼저 언어 모델을 학습시킬 엔티티, 인텐트, 발화를 정의해야 합니다. 이를 모델 작성이라고 합니다. 그런 다음 클라이언트 애플리케이션이 사용자 입력을 기반으로 인텐트 및 엔티티 예측에 사용할 수 있도록 모델을 게시해야 합니다.
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/자연어 처리 서비스 선택

참조:
https://azure.microsoft.com/en-us/services/cognitive-services/face/
https://docs.microsoft.com/en-us/azure/cognitive-services/컴퓨터-비전/개념-객체-감지

참조:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-designer-python
https://docs.microsoft.com/en-us/azure/machine-learning/개념-자동화-ml