DP-100 문제 316
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.
기계 학습 모델을 훈련하고 등록합니다.
모델을 실시간 웹 서비스로 배포할 계획입니다. 모델을 사용하려면 애플리케이션에서 키 기반 인증을 사용해야 합니다.
웹 서비스를 배포해야 합니다.
해결책:
AksWebservice 인스턴스를 만듭니다.
auth_enabled 속성 값을 True로 설정합니다.
모델을 서비스에 배포합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
기계 학습 모델을 훈련하고 등록합니다.
모델을 실시간 웹 서비스로 배포할 계획입니다. 모델을 사용하려면 애플리케이션에서 키 기반 인증을 사용해야 합니다.
웹 서비스를 배포해야 합니다.
해결책:
AksWebservice 인스턴스를 만듭니다.
auth_enabled 속성 값을 True로 설정합니다.
모델을 서비스에 배포합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 317
도시의 주택 판매 데이터가 포함된 데이터 세트가 있습니다. 데이터 세트에는 다음 열이 포함됩니다.
데이터 세트의 각 행은 개별 주택 판매 거래에 해당합니다.
집의 특징을 기반으로 판매 가격을 예측하기 위한 최상의 모델을 생성하려면 자동화된 머신 러닝을 사용해야 합니다.
어떤 값을 사용해야 합니까? 대답하려면 대답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
데이터 세트의 각 행은 개별 주택 판매 거래에 해당합니다.
집의 특징을 기반으로 판매 가격을 예측하기 위한 최상의 모델을 생성하려면 자동화된 머신 러닝을 사용해야 합니다.
어떤 값을 사용해야 합니까? 대답하려면 대답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 318
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.
학생의 교육 기간, 학위 유형 및 예술 형식과 같은 변수에 따라 학생 작품의 가격을 예측하는 모델을 생성하고 있습니다.
선형 회귀 모델을 만드는 것으로 시작합니다.
선형 회귀 모델을 평가해야 합니다.
해결 방법: Mean Absolute Error, Root Mean Absolute Error, Relative Absolute Error, Accuracy, Precision, Recall, F1 점수 및 AUC 메트릭을 사용합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
학생의 교육 기간, 학위 유형 및 예술 형식과 같은 변수에 따라 학생 작품의 가격을 예측하는 모델을 생성하고 있습니다.
선형 회귀 모델을 만드는 것으로 시작합니다.
선형 회귀 모델을 평가해야 합니다.
해결 방법: Mean Absolute Error, Root Mean Absolute Error, Relative Absolute Error, Accuracy, Precision, Recall, F1 점수 및 AUC 메트릭을 사용합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 319
신용 카드 사기의 가능한 인스턴스를 식별하기 위해 은행 회사에 대한 분류 모델을 만들고 있습니다. 자동화된 기계 학습을 사용하여 Azure Machine Learning에서 모델을 만들 계획입니다.
사용 중인 학습 데이터 세트가 매우 불균형합니다.
분류 모델을 평가해야 합니다.
어떤 기본 메트릭을 사용해야 합니까?
사용 중인 학습 데이터 세트가 매우 불균형합니다.
분류 모델을 평가해야 합니다.
어떤 기본 메트릭을 사용해야 합니까?
DP-100 문제 320
2클래스 로지스틱 회귀 모델을 사용하여 이진 분류를 만들고 있습니다.
불균형에 대한 모델 결과를 평가해야 합니다.
어떤 평가 지표를 사용해야 합니까?
불균형에 대한 모델 결과를 평가해야 합니다.
어떤 평가 지표를 사용해야 합니까?