DP-100 문제 91
Azure Machine Learning Studio에서 분류 작업을 수행하고 있습니다.
제공된 데이터 세트를 기반으로 균형 잡힌 테스트 및 교육 샘플을 준비해야 합니다.
제공된 데이터 세트를 기반으로 한 경고 샘플입니다.
데이터를 0.75:0.25로 분할해야 합니다.
각 매개변수에 어떤 값을 사용해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
제공된 데이터 세트를 기반으로 균형 잡힌 테스트 및 교육 샘플을 준비해야 합니다.
제공된 데이터 세트를 기반으로 한 경고 샘플입니다.
데이터를 0.75:0.25로 분할해야 합니다.
각 매개변수에 어떤 값을 사용해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 92
다음 형식의 salesData라는 Python 데이터 프레임이 있습니다.
데이터 프레임은 다음과 같이 긴 데이터 형식으로 피벗 해제되어야 합니다.
변환을 수행하려면 Python에서 pandas.melt() 함수를 사용해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
데이터 프레임은 다음과 같이 긴 데이터 형식으로 피벗 해제되어야 합니다.
변환을 수행하려면 Python에서 pandas.melt() 함수를 사용해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 93
참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 일부입니다. 이 시리즈의 각 질문에는 명시된 목표를 충족할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 질문 세트에는 두 개 이상의 정답이 있을 수 있고, 다른 세트에는 정답이 없을 수 있습니다.
이 섹션의 질문에 답한 후에는 다시 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 나타나지 않습니다.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 훈련합니다.
전반적인 전역적 상대적 중요도 값과 특정 예측 세트에 대한 지역적 중요도 척도로서 각 특징의 중요도를 계산하여 모델의 예측을 설명할 수 있어야 합니다.
필요한 글로벌 및 로컬 기능 중요도 값을 검색하는 데 사용할 수 있는 설명자를 만들어야 합니다.
해결책: TabularExplainer를 만듭니다.
해결책이 목표를 충족하는가?
이 섹션의 질문에 답한 후에는 다시 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 나타나지 않습니다.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 훈련합니다.
전반적인 전역적 상대적 중요도 값과 특정 예측 세트에 대한 지역적 중요도 척도로서 각 특징의 중요도를 계산하여 모델의 예측을 설명할 수 있어야 합니다.
필요한 글로벌 및 로컬 기능 중요도 값을 검색하는 데 사용할 수 있는 설명자를 만들어야 합니다.
해결책: TabularExplainer를 만듭니다.
해결책이 목표를 충족하는가?
DP-100 문제 94
다음과 같은 Azure 구독과 Azure Machine Learning 서비스 작업 영역이 있습니다.
ml-project 작업 공간에 대한 참조를 얻어야 합니다.
해결 방법: 다음 Python 코드를 실행하세요.
해결책이 목표를 충족하는가?
ml-project 작업 공간에 대한 참조를 얻어야 합니다.
해결 방법: 다음 Python 코드를 실행하세요.
해결책이 목표를 충족하는가?
DP-100 문제 95
다음과 같이 정의된 6개의 데이터 포인트가 포함된 Python NumPy 배열을 평가하고 있습니다.
데이터 = [10, 20, 30, 40, 50, 60]
Python Scikit-learn 머신 러닝 라이브러리의 k-fold 알고리즘 구현을 사용하여 다음 출력을 생성해야 합니다.
훈련: [10 40 50 60], 테스트: [20 30]
훈련: [20 30 40 60], 테스트: [10 50]
훈련: [10 20 30 50], 테스트: [40 60]
출력을 생성하려면 교차 검증을 구현해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역의 대화 상자에서 적절한 코드 세그먼트를 선택하십시오.
참고사항: 정답 하나당 1점입니다.
데이터 = [10, 20, 30, 40, 50, 60]
Python Scikit-learn 머신 러닝 라이브러리의 k-fold 알고리즘 구현을 사용하여 다음 출력을 생성해야 합니다.
훈련: [10 40 50 60], 테스트: [20 30]
훈련: [20 30 40 60], 테스트: [10 50]
훈련: [10 20 30 50], 테스트: [40 60]
출력을 생성하려면 교차 검증을 구현해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역의 대화 상자에서 적절한 코드 세그먼트를 선택하십시오.
참고사항: 정답 하나당 1점입니다.
