설명

Box 1 : MICE를 사용하여 대체
MICE를 사용하여 바꾸기: 누락된 각 값에 대해 이 옵션은 통계 문헌에 "연쇄 방정식을 사용한 다변수 대입"으로 설명된 방법을 사용하여 계산된 새 값을 할당합니다.
"연쇄 방정식에 의한 다중 대입". 다중 대입 방법을 사용하면 누락된 데이터가 있는 각 변수는 누락된 값을 채우기 전에 데이터의 다른 변수를 사용하여 조건부로 모델링됩니다.
시나리오: 두 데이터 세트의 AccessibilityToHighway 열에 누락된 값이 있습니다. 누락된 데이터는 누락된 값을 채우기 전에 데이터의 다른 변수를 사용하여 조건부로 모델링되도록 새 데이터로 대체해야 합니다.
상자 2: 전파
모든 누락값이 있는 열은 모든 누락값의 열을 출력에서 ​​보존할지 여부를 나타냅니다.
참고문헌:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clean-missing-data

1 - Azure Machine Learning Studio를 사용하여 연결된 서비스를 만듭니다.
2 - Azure Portal을 사용하여 Azure Synapse 작업 영역을 만듭니다.
3 - Azure Portal을 사용하여 Apache Spark 풀을 만듭니다.

설명

1단계: 모델 학습
2등급 부스트 결정 트리
먼저, 부스트된 의사결정 트리 모델을 설정합니다.
1. 모듈 팔레트에서 Two-Class Boosted Decision Tree 모듈을 찾아 캔버스로 드래그합니다.
2. Train Model 모듈을 찾아 캔버스로 끌어다 놓은 다음 Two-Class Boosted Decision Tree 모듈의 출력을 Train Model 모듈의 왼쪽 입력 포트에 연결합니다.
Two-Class Boosted Decision Tree 모듈은 일반 모델을 초기화하고, Train Model 모듈은 학습 데이터를 사용하여 모델을 학습시킵니다.
3. 왼쪽 Execute R Script 모듈의 왼쪽 출력을 Train Model 모듈의 오른쪽 입력 포트에 연결합니다(이 튜토리얼에서는 Split Data 모듈의 왼쪽에서 나오는 데이터를 사용하여 학습했습니다).
이 실험의 일부는 이제 다음과 같습니다.

2단계: 점수 모델
모델 점수 매기기 및 평가
Split Data 모듈에서 분리한 테스트 데이터를 사용하여 훈련된 모델을 평가합니다. 그런 다음 두 모델의 결과를 비교하여 어느 모델이 더 나은 결과를 생성했는지 확인할 수 있습니다.
점수 모델 모듈 추가
1. 점수 모델 모듈을 찾아 캔버스로 끌어다 놓습니다.
2. Two-Class Boosted Decision Tree 모듈에 연결된 Train Model 모듈을 Score Model 모듈의 왼쪽 입력 포트에 연결합니다.
3. 올바른 Execute R Script 모듈(테스트 데이터)을 Score Model 모듈의 오른쪽 입력 포트에 연결합니다.

3단계: 모델 평가
두 가지 채점 결과를 평가하고 비교하려면 Evaluate Model 모듈을 사용합니다.
1. 모델 평가 모듈을 찾아 캔버스로 끌어다 놓습니다.
2. 부스트된 의사결정 트리 모델과 연관된 Score Model 모듈의 출력 포트를 Evaluate Model 모듈의 왼쪽 입력 포트에 연결합니다.
3. 다른 점수 모델 모듈을 오른쪽 입력 포트에 연결합니다.

설명:
박스 1: 아니요
max_total_runs (여기서 50)
생성할 최대 총 실행 수입니다. 이는 상한입니다. 샘플 공간이 이 값보다 작으면 실행 수가 더 적을 수 있습니다.
박스 2: 예
정책 EarlyTerminationPolicy
사용할 조기 종료 정책. None인 경우 - 기본값, 조기 종료 정책은 사용되지 않습니다.
박스 3: 아니요
이산 하이퍼파라미터는 이산 값들 중에서 선택으로 지정됩니다. 선택 사항은 다음과 같습니다.
하나 이상의 쉼표로 구분된 값
* 범위 객체
* 임의의 목록 객체
참조:
https://docs.microsoft.com/en-us/python/api/azureml-train-core/azureml.train.hyperdrive.hyperdriveconfig
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters