DP-100 문제 56
파이프라인 실행에서 출력을 가져와야 합니다. 출력은 어디에서 찾을 수 있습니까?
DP-100 문제 57
참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 일부입니다. 시리즈의 각 질문에는 명시된 목표를 충족할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 질문 세트에는 둘 이상의 올바른 솔루션이 있을 수 있지만 다른 질문 세트에는 올바른 솔루션이 없을 수 있습니다.
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 훈련합니다.
전체 글로벌 상대 중요도 값과 특정 예측 세트에 대한 로컬 중요도 측정값으로 각 기능의 중요도를 계산하여 모델의 예측을 설명할 수 있어야 합니다.
필요한 전역 및 로컬 기능 중요도 값을 검색하는 데 사용할 수 있는 설명자를 만들어야 합니다.
솔루션: PFIExplainer를 생성합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 훈련합니다.
전체 글로벌 상대 중요도 값과 특정 예측 세트에 대한 로컬 중요도 측정값으로 각 기능의 중요도를 계산하여 모델의 예측을 설명할 수 있어야 합니다.
필요한 전역 및 로컬 기능 중요도 값을 검색하는 데 사용할 수 있는 설명자를 만들어야 합니다.
솔루션: PFIExplainer를 생성합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 58
10,000개의 데이터 포인트와 150개의 기능이 있는 정규화된 숫자 기능 세트를 포함하는 다중 클래스 분류 작업을 위해 생성된 데이터 세트가 있습니다.
데이터 포인트의 75%는 훈련에 사용하고 25%는 테스트에 사용합니다. Python에서 scikit-learn 기계 학습 라이브러리를 사용하고 있습니다. X를 사용하여 기능 세트를 나타내고 Y를 사용하여 클래스 레이블을 나타냅니다.
다음 Python 데이터 프레임을 만듭니다.
학습 세트와 테스트 세트 모두에서 기능 세트의 차원을 10개 기능으로 줄이려면 PCA(주성분 분석) 방법을 적용해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
데이터 포인트의 75%는 훈련에 사용하고 25%는 테스트에 사용합니다. Python에서 scikit-learn 기계 학습 라이브러리를 사용하고 있습니다. X를 사용하여 기능 세트를 나타내고 Y를 사용하여 클래스 레이블을 나타냅니다.
다음 Python 데이터 프레임을 만듭니다.
학습 세트와 테스트 세트 모두에서 기능 세트의 차원을 10개 기능으로 줄이려면 PCA(주성분 분석) 방법을 적용해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 59
Hyperdrive를 사용하여 모델을 훈련할 때 선택한 하이퍼파라미터를 최적화할 계획입니다. 하이퍼파라미터 실험에 대한 옵션을 정의하기 위해 다음 코드를 생성합니다.
다음 각 문에 대해 해당 문이 참이면 예를 선택합니다. 그렇지 않으면 아니오를 선택하십시오. 참고: 각 올바른 선택은 1점의 가치가 있습니다.
다음 각 문에 대해 해당 문이 참이면 예를 선택합니다. 그렇지 않으면 아니오를 선택하십시오. 참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 60
참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 일부입니다. 시리즈의 각 질문에는 명시된 목표를 충족할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 질문 세트에는 둘 이상의 올바른 솔루션이 있을 수 있지만 다른 질문 세트에는 올바른 솔루션이 없을 수 있습니다.
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
학생의 교육 기간, 학위 유형 및 예술 형식과 같은 변수에 따라 학생의 작품 가격을 예측하는 모델을 만들고 있습니다.
선형 회귀 모델을 만드는 것으로 시작합니다.
선형 회귀 모델을 평가해야 합니다.
솔루션: 평균 절대 오차, 루트 평균 절대 오차, 상대 절대 오차, 정확도, 정밀도, 재현율, F1 점수 및 AUC와 같은 메트릭을 사용합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
학생의 교육 기간, 학위 유형 및 예술 형식과 같은 변수에 따라 학생의 작품 가격을 예측하는 모델을 만들고 있습니다.
선형 회귀 모델을 만드는 것으로 시작합니다.
선형 회귀 모델을 평가해야 합니다.
솔루션: 평균 절대 오차, 루트 평균 절대 오차, 상대 절대 오차, 정확도, 정밀도, 재현율, F1 점수 및 AUC와 같은 메트릭을 사용합니다.
솔루션이 목표를 충족합니까?