설명:
상자 1: 4
훈련 및 검증 오류가 더 낮고 가장 근접하게 일치하는 것을 선택하십시오.
분산을 최소화합니다(검증 오류와 학습 오류 간의 차이).
상자 2: 5
분산을 최소화합니다(검증 오류와 학습 오류 간의 차이).
참조:
https://medium.com/comet-ml/organizing-machine-learning-projects-project-management-guidelines-2d2b85651bbd

1 - Azure DevOps 프로젝트 만들기
2 - 릴리스 파이프라인 생성
3 - Azure Pipelines용 기계 학습 확장 설치
4 - 서비스 연결 만들기
참조:
https://marketplace.visualstudio.com/items?itemName=ms-air-aiagility.vss-services-azureml
https://docs.microsoft.com/en-us/azure/devops/pipelines/targets/azure-machine-learning

설명:
Azure Machine Learning Studio의 누락된 데이터 정리 모듈은 누락된 값을 제거, 교체 또는 유추합니다.
오답:
잠재된 Dirichlet 변환: Azure Machine Learning Studio의 잠재된 Dirichlet 할당 모듈로 분류되지 않은 텍스트를 여러 범주로 그룹화합니다. LDA(Latent Dirichlet Allocation)는 자연어 처리(NLP)에서 유사한 텍스트를 찾기 위해 자주 사용됩니다. 또 다른 일반적인 용어는 주제 모델링입니다.
계산 변환 빌드: Azure Machine Learning Studio에서 계산 변환 모듈을 빌드하여 교육 데이터를 분석합니다. 이 데이터에서 모듈은 예측 모델에서 사용할 수 있는 카운트 기반 기능 세트와 카운트 테이블을 작성합니다.
결측값 스크러버: 결측값 스크러버 모듈은 더 이상 사용되지 않습니다.
기능 해싱: 기능 해싱은 언어학에 사용되며 고유한 토큰을 정수로 변환하여 작동합니다.
불연속 값 바꾸기: Azure Machine Learning Studio의 불연속 값 바꾸기 모듈은 불연속 값을 나타내는 데 사용할 수 있는 확률 점수를 생성하는 데 사용됩니다. 이 점수는 이산 값의 정보 값을 이해하는 데 유용할 수 있습니다.
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clean-missing-data

설명

상자 1: 부동 소수점
중앙값에 부동 소수점이 필요합니다.
시나리오: 초기 조사에 따르면 데이터 세트는 MedianValue 열을 제외하고 구조가 동일합니다. 더 작은 파리 데이터셋에는 텍스트 형식의 MedianValue가 포함되어 있는 반면, 더 큰 런던 데이터셋에는 숫자 형식의 MedianValue가 포함되어 있습니다.
상자 2: 변경되지 않음
참고: 선택한 열의 값을 범주로 처리하도록 지정하려면 범주형 옵션을 선택합니다.
예를 들어, 숫자 0,1 및 2를 포함하는 열이 있지만 숫자가 실제로 "흡연자", "비흡연자" 및 "알 수 없음"을 의미한다는 것을 알고 있을 수 있습니다. 이 경우 열을 범주형으로 플래그를 지정하면 값이 숫자 계산에 사용되지 않고 데이터를 그룹화하는 데만 사용되도록 할 수 있습니다.