Python에서 기계 학습 모델을 만들고 있습니다. 제공된 데이터 세트에는 여러 개의 숫자 열과 하나의 텍스트 열이 있습니다. 텍스트 열은 제품의 범주를 나타냅니다. 제품 범주는 항상 다음 중 하나입니다.
* 자전거
* 자동차
* 밴
* 보트
scikit-learn Python 패키지를 사용하여 회귀 모델을 구축하고 있습니다.
scikit-learn Python 패키지와 호환되도록 텍스트 데이터를 변환해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.

Python에서 기계 학습 모델을 만들고 있습니다. 제공된 데이터 세트에는 여러 개의 숫자 열과 하나의 텍스트 열이 있습니다.
*바이커
*자동차
*밴
*보트
scikit-learn Python 패키지를 사용하여 회귀 모델을 구축하고 있습니다.
scikit-learn Python 패키지와 호환되도록 텍스트 데이터를 변환해야 합니다. 코드 세그먼트를 완성하려면 어떻게 해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.

K-평균 알고리즘을 사용하여 클러스터링을 수행하고 있습니다.
가능한 종료 조건을 정의해야 합니다.
어떤 세 가지 조건을 사용할 수 있습니까? 각 정답은 완전한 솔루션을 제공합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.

Azure Machine Learning 작업 영역에는 real_estate_data라는 데이터 세트가 있습니다. 데이터 세트의 데이터 샘플은 다음과 같습니다.
자동화된 기계 학습을 사용하여 가격 열을 예측하기 위한 최상의 회귀 모델을 찾고자 합니다.
Azure Machine Learning SDK를 사용하여 자동화된 기계 학습 실험을 구성해야 합니다.
코드를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오. 참고: 각 올바른 선택은 1점의 가치가 있습니다.

당신은 고양이와 개를 식별하기 위해 딥 러닝 모델을 짝짓기합니다. 25,000개의 컬러 이미지가 있습니다.
다음 요구 사항을 충족해야 합니다.
* 훈련 에포크의 수를 줄입니다.
* 신경망의 크기를 줄입니다.
* 신경망의 과적합을 줄입니다.
이미지 수정 값을 선택해야 합니다.
어떤 값을 사용해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.