DP-100 문제 261
Azure Machine Learning Studio에서 실험을 만듭니다. 10,000개의 행이 포함된 훈련 데이터 세트를 추가합니다. 처음 9,000개의 행은 클래스 0(90%)을 나타냅니다.
나머지 1,000개 행은 클래스 1(10%)을 나타냅니다.
훈련 세트는 두 클래스 간의 불균형입니다. 5개의 데이터 행을 사용하여 클래스 1에 대한 학습 예제의 수를 4,000개로 늘려야 합니다. 실험에 SMOTE(Synthetic Minority Oversampling Technique) 모듈을 추가합니다.
모듈을 구성해야 합니다.
어떤 값을 사용해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
나머지 1,000개 행은 클래스 1(10%)을 나타냅니다.
훈련 세트는 두 클래스 간의 불균형입니다. 5개의 데이터 행을 사용하여 클래스 1에 대한 학습 예제의 수를 4,000개로 늘려야 합니다. 실험에 SMOTE(Synthetic Minority Oversampling Technique) 모듈을 추가합니다.
모듈을 구성해야 합니다.
어떤 값을 사용해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 262
훈련 오류 값과 검증 오류 값 사이에 큰 차이가 있는 모델이 있습니다.
새 모델을 만들고 교차 검증을 수행해야 합니다.
Azure Machine Learning Studio를 사용하여 새 모델에 대한 매개 변수 집합을 식별해야 합니다.
각 단계에 어떤 모듈을 사용해야 합니까? 응답하려면 해당 모듈을 올바른 단계로 끌어다 놓습니다. 각 모듈은 한 번 또는 두 번 이상 사용되거나 전혀 사용되지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수 있습니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
새 모델을 만들고 교차 검증을 수행해야 합니다.
Azure Machine Learning Studio를 사용하여 새 모델에 대한 매개 변수 집합을 식별해야 합니다.
각 단계에 어떤 모듈을 사용해야 합니까? 응답하려면 해당 모듈을 올바른 단계로 끌어다 놓습니다. 각 모듈은 한 번 또는 두 번 이상 사용되거나 전혀 사용되지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수 있습니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 263
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.
가능한 종료 조건을 정의해야 합니다.
어떤 세 가지 조건을 사용할 수 있습니까? 각 정답은 완전한 솔루션을 제공합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 264
Azure에서 Windows 및 Linux용 DSVM(Data Science Virtual Machines)을 사용합니다.
DSVM에 액세스해야 합니다.
어떤 유틸리티를 사용해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DSVM에 액세스해야 합니다.
어떤 유틸리티를 사용해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 265
전역 패널티 감지 모델에 대한 샘플링 전략을 구축하려면 Python 언어를 사용해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
코드 세그먼트를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
