DP-100 문제 321

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.
Azure Machine Learning을 사용하여 분류 모델을 학습하는 실험을 실행합니다.
Hyperdrive를 사용하여 모델의 AUC 메트릭을 최적화하는 매개변수를 찾고 싶습니다. 다음 코드를 실행하여 실험에 대한 HyperDriveConfig를 구성합니다.

이 구성을 사용하여 랜덤 포레스트 모델을 훈련한 다음 검증 데이터 a로 테스트하는 스크립트를 실행하려고 합니다. 검증 데이터의 레이블 값은 y_test 변수라는 변수에 저장되고, 모델의 예측 확률은 y_predicted라는 변수에 저장됩니다.
Hyperdrive가 AUC 지표에 대한 하이퍼파라미터를 최적화할 수 있도록 스크립트에 로깅을 추가해야 합니다.
해결책: 다음 코드를 실행하세요.

해결책이 목표를 충족하는가?

DP-100 문제 322

기존 모델을 다시 훈련시킵니다.
레지스트리에 있는 현재 버전의 모델을 유지하면서 새 버전의 모델을 등록해야 합니다.
어떻게 해야 할까요?

DP-100 문제 323

당뇨병 검사를 받은 환자의 기록이 포함된 데이터 세트가 있습니다. 데이터 세트에는 환자의 나이가 포함됩니다.
데이터 세트에서 파생된 차별적 개인 정보 보호 데이터의 평균 연령 값을 보고하는 분석을 만들 계획입니다. 실제 데이터 노출 위험을 최소화하는 분석에 사용할 엡실론 값을 식별해야 합니다.
어떤 엡실론 값을 사용해야 합니까?

DP-100 문제 324

scikit-learn Python 라이브러리를 사용하여 x.1 x2, x3 기능에 대한 기능 스케일링을 수행하고 있습니다.
다음 그림은 원본 데이터와 크기 조정된 데이터를 보여줍니다.

드롭다운 메뉴를 사용하여 그래픽에 제시된 정보를 바탕으로 각 질문에 대한 답변 선택지를 선택하세요.
참고사항: 정답 하나당 1점입니다.

DP-100 문제 325

폴더를 참조하는 csvjolder라는 파일 데이터 세트를 등록합니다. 이 폴더에는 Azure 스토리지 Blob 컨테이너에 있는 여러 개의 com-ma-separated values(CSV) 파일이 포함됩니다. 다음 코드를 사용하여 파일 데이터 세트에서 데이터를 로드하는 스크립트를 실행할 계획입니다. 다음 변수를 만들고 인스턴스화합니다.

다음과 같은 코드가 있습니다:


스크립트가 참조하는 파일을 읽을 수 있도록 데이터 세트를 전달해야 합니다. 코드 주석을 대체하기 위해 어떤 코드 세그먼트를 삽입해야 합니까?
에이)

비)

기음)

디)