DP-100 문제 251
Azure Machine Learning을 사용하여 기계 학습 모델을 교육하고 있습니다. 학습 스크립트를 원격으로 실행할 컴퓨팅 대상이 필요합니다. 다음 Python 코드를 실행합니다.
DP-100 문제 252
CSV 파일 세트에는 판매 기록이 포함되어 있습니다. 모든 CSV 파일에는 동일한 데이터 스키마가 있습니다.
각 CSV 파일에는 특정 월의 판매 기록이 포함되며 파일 이름은 sales.csv입니다. 각 파일은 데이터가 기록된 월과 연도를 나타내는 폴더에 저장됩니다. 폴더는 데이터 저장소가 Azure Machine Learning 작업 영역에서 정의된 Azure Blob 컨테이너에 있습니다. 폴더는 sales라는 상위 폴더에 구성되어 다음과 같은 계층 구조를 생성합니다.
매달 말에 해당 월의 판매 파일이 포함된 새 폴더가 판매 폴더에 추가됩니다.
판매 데이터를 사용하여 다음 요구 사항에 따라 기계 학습 모델을 교육할 계획입니다.
* 지금까지의 모든 판매 데이터를 데이터 프레임으로 쉽게 변환할 수 있는 구조로 로드하는 데이터 세트를 정의해야 합니다.
* 해당 월 이후에 추가된 데이터는 무시하고 특정 이전 달 이전에 생성된 데이터만 사용하는 실험을 생성할 수 있어야 합니다.
* 가능한 최소한의 데이터셋을 등록해야 합니다.
Azure Machine Learning 서비스 작업 영역에서 판매 데이터를 데이터 세트로 등록해야 합니다.
어떻게 해야 합니까?
각 CSV 파일에는 특정 월의 판매 기록이 포함되며 파일 이름은 sales.csv입니다. 각 파일은 데이터가 기록된 월과 연도를 나타내는 폴더에 저장됩니다. 폴더는 데이터 저장소가 Azure Machine Learning 작업 영역에서 정의된 Azure Blob 컨테이너에 있습니다. 폴더는 sales라는 상위 폴더에 구성되어 다음과 같은 계층 구조를 생성합니다.
매달 말에 해당 월의 판매 파일이 포함된 새 폴더가 판매 폴더에 추가됩니다.
판매 데이터를 사용하여 다음 요구 사항에 따라 기계 학습 모델을 교육할 계획입니다.
* 지금까지의 모든 판매 데이터를 데이터 프레임으로 쉽게 변환할 수 있는 구조로 로드하는 데이터 세트를 정의해야 합니다.
* 해당 월 이후에 추가된 데이터는 무시하고 특정 이전 달 이전에 생성된 데이터만 사용하는 실험을 생성할 수 있어야 합니다.
* 가능한 최소한의 데이터셋을 등록해야 합니다.
Azure Machine Learning 서비스 작업 영역에서 판매 데이터를 데이터 세트로 등록해야 합니다.
어떻게 해야 합니까?
DP-100 문제 253
Azure Machine Learning Studio에서 시계열 데이터 세트를 사용하고 있습니다.
데이터 분할 모듈을 사용하여 데이터 세트를 교육 및 테스트 하위 집합으로 분할해야 합니다.
어떤 분할 모드를 사용해야 합니까?
데이터 분할 모듈을 사용하여 데이터 세트를 교육 및 테스트 하위 집합으로 분할해야 합니다.
어떤 분할 모드를 사용해야 합니까?
DP-100 문제 254
X, Y 및 Z와 같은 숫자 기능을 포함하는 기능 세트가 있습니다.
X, Y 및 Z 기능의 푸아송 상관 계수(r-값)는 다음 이미지에 표시됩니다.
드롭다운 메뉴를 사용하여 그래픽에 표시된 정보를 기반으로 각 질문에 대답하는 답변 선택 항목을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
X, Y 및 Z 기능의 푸아송 상관 계수(r-값)는 다음 이미지에 표시됩니다.
드롭다운 메뉴를 사용하여 그래픽에 표시된 정보를 기반으로 각 질문에 대답하는 답변 선택 항목을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 255
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 Learning을 사용하여 분류 모델을 학습시키는 실험을 실행하고 있습니다.
Hyperdrive를 사용하여 모델의 AUC 메트릭을 최적화하는 매개변수를 찾으려고 합니다. 다음 코드를 실행하여 실험을 위해 HyperDriveConfig를 구성합니다.
이 구성을 사용하여 임의 포리스트 모델을 교육한 다음 유효성 검사 데이터로 테스트하는 스크립트를 실행할 계획입니다. 유효성 검사 데이터의 레이블 값은 y_test 변수라는 변수에 저장되고 모델의 예측 확률은 y_predicted라는 변수에 저장됩니다.
해결 방법: 다음 코드를 실행합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
Azure Machine Learning을 사용하여 분류 모델을 학습시키는 실험을 실행하고 있습니다.
Hyperdrive를 사용하여 모델의 AUC 메트릭을 최적화하는 매개변수를 찾으려고 합니다. 다음 코드를 실행하여 실험을 위해 HyperDriveConfig를 구성합니다.
이 구성을 사용하여 임의 포리스트 모델을 교육한 다음 유효성 검사 데이터로 테스트하는 스크립트를 실행할 계획입니다. 유효성 검사 데이터의 레이블 값은 y_test 변수라는 변수에 저장되고 모델의 예측 확률은 y_predicted라는 변수에 저장됩니다.
해결 방법: 다음 코드를 실행합니다.
솔루션이 목표를 충족합니까?