참조:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-pytorch

설명

상자 1: 데이터프레임
구문: pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)[source] 프레임이 DataFrame인 경우 Box 2: shop 매개변수 id_vars id_vars : tuple, list, 또는 ndarray, 식별자 변수로 사용할 선택적 열입니다.
상자 3: ['2017','2018']
value_vars : 튜플, 목록 또는 ndarray, 선택 사항
피벗을 해제할 열입니다. 지정하지 않으면 id_vars로 설정되지 않은 모든 컬럼을 사용한다.
예:
df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'},
'B': {0:1, 1:3, 2:5},
'C': {0:2, 1:4, 2:6}})
pd.melt(df, id_vars=['A'], value_vars=['B', 'C'])
변수 값
0aB1
1비비 3
2c비 5
3aC2
4bC4
5cC6
참고자료:
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.melt.html

설명

상자 1: 상호 정보.
상호 정보 점수는 여러 차원이 있는 데이터 세트에서 결합 분포와 대상 변수 간의 상호 정보를 최대화하므로 기능 선택에 특히 유용합니다.
상자 2: 중앙값
MedianValue는 특성 열이며 데이터 세트의 예측 변수입니다.
시나리오: MedianValue 및 AvgRoomsinHouse 열은 모두 숫자 형식으로 데이터를 보유합니다. 두 열 간의 관계를 보다 자세히 분석하려면 특징 선택 알고리즘을 선택해야 합니다.
참고자료:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/filter-based-feature-selection

설명

상자 1: 아니요
FileDataset는 데이터 저장소 또는 공개 URL의 단일 또는 여러 파일을 참조합니다. TSV 파일을 구문 분석해야 합니다.
상자 2: 예
to_path()는 데이터세트에서 정의한 각 파일 스트림에 대한 파일 경로 목록을 가져옵니다.
상자 3: 예
TabularDataset.to_pandas_dataframe은 데이터 세트의 모든 레코드를 pandas DataFrame으로 로드합니다.
TabularDataset은 제공된 파일 또는 파일 목록을 구문 분석하여 생성된 테이블 형식의 데이터를 나타냅니다.
참고: TSV는 스프레드시트 소프트웨어에 사용되는 탭으로 구분된 파일의 파일 확장자입니다. TSV는 탭으로 구분된 값을 나타냅니다. TSV 파일은 원시 데이터에 사용되며 스프레드시트 소프트웨어로 가져오거나 내보낼 수 있습니다. TSV 파일은 기본적으로 텍스트 파일이며 원시 데이터는 텍스트 편집기로 볼 수 있지만 스프레드시트 간에 원시 데이터를 이동할 때 자주 사용됩니다.
참조:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.data.tabulardataset

1 - K-평균 클러스터링 모델 구현
2 - 결정 정글 모델의 기능으로 클러스터를 사용합니다.
3 - 점수 일치 상자 추천 모델 참조의 기능으로 원시 점수를 사용합니다.
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/multiclass-decision-jungle
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/score-matchbox-recommender