DP-100 문제 156
통계 분포의 비대칭성을 분석하고 있습니다.
다음 이미지에는 두 데이터 세트의 확률 분포를 보여주는 두 개의 밀도 곡선이 포함되어 있습니다.
드롭다운 메뉴를 사용하여 그래픽에 표시된 정보를 기반으로 각 질문에 대답하는 답변 선택 항목을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
다음 이미지에는 두 데이터 세트의 확률 분포를 보여주는 두 개의 밀도 곡선이 포함되어 있습니다.
드롭다운 메뉴를 사용하여 그래픽에 표시된 정보를 기반으로 각 질문에 대답하는 답변 선택 항목을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 157
모델 프레이밍 요구 사항에 대해 순열 기능 중요도 모듈을 구성해야 합니다.
어떻게 해야 합니까? 대답하려면 대답 영역의 대화 상자에서 적절한 옵션을 선택합니다. 참고:
각 올바른 선택은 1점의 가치가 있습니다.
어떻게 해야 합니까? 대답하려면 대답 영역의 대화 상자에서 적절한 옵션을 선택합니다. 참고:
각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 158
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 하나 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.
Azure Machine Learning Studio를 사용하여 데이터 세트에 대한 기능 엔지니어링을 수행하고 있습니다.
저장소로 그룹화된 기능 열을 생성하려면 값을 정규화해야 합니다.
해결 방법: MDL(엔트로피 최소 설명 길이) 비닝 모드를 적용합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
Azure Machine Learning Studio를 사용하여 데이터 세트에 대한 기능 엔지니어링을 수행하고 있습니다.
저장소로 그룹화된 기능 열을 생성하려면 값을 정규화해야 합니다.
해결 방법: MDL(엔트로피 최소 설명 길이) 비닝 모드를 적용합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 159
지역 택시 회사의 과거 데이터가 포함된 데이터 세트를 분석하고 있습니다. 회귀를 회귀 모델로 개발하고 있습니다.
택시 여행의 요금을 예측해야 합니다.
회귀 모델을 올바르게 평가하려면 성능 지표를 선택해야 합니다.
사용할 수 있는 두 가지 측정항목은 무엇인가요? 각 정답은 완전한 솔루션을 제시합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
택시 여행의 요금을 예측해야 합니다.
회귀 모델을 올바르게 평가하려면 성능 지표를 선택해야 합니다.
사용할 수 있는 두 가지 측정항목은 무엇인가요? 각 정답은 완전한 솔루션을 제시합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 160
Azure Machine Learning Service를 사용하여 신경망 분류 모델의 하이퍼 매개 변수 탐색을 자동화하고 있습니다.
다음 요구 사항에 따라 무작위 샘플링을 사용하여 하이퍼파라미터를 자동으로 조정하려면 하이퍼파라미터 공간을 정의해야 합니다.
* 학습률은 평균값이 10이고 표준편차가 3인 정규분포에서 선택해야 합니다.
* 배치 크기는 16, 32 및 64여야 합니다.
* Keep 확률은 0.05~0.1 범위의 균등 분포에서 선택한 값이어야 합니다.
Azure Machine Learning Service용 Python API의 param_sampling 메서드를 사용해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 대답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
다음 요구 사항에 따라 무작위 샘플링을 사용하여 하이퍼파라미터를 자동으로 조정하려면 하이퍼파라미터 공간을 정의해야 합니다.
* 학습률은 평균값이 10이고 표준편차가 3인 정규분포에서 선택해야 합니다.
* 배치 크기는 16, 32 및 64여야 합니다.
* Keep 확률은 0.05~0.1 범위의 균등 분포에서 선택한 값이어야 합니다.
Azure Machine Learning Service용 Python API의 param_sampling 메서드를 사용해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 대답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
