DP-100 문제 411
Azure Machine Learning Studio를 사용하여 실험을 만들고 있습니다.
평가를 위해 데이터를 네 개의 하위 집합으로 나누어야 합니다. 데이터 a에 누락된 값이 많습니다. 분석을 위해 데이터를 준비해야 합니다.
실험을 진행하기 위해 적절한 방법을 선택해야 합니다.
어떤 세 모듈을 순서대로 실행해야 합니까? 답변하려면 작업 목록에서 적절한 작업을 답변 영역으로 옮기고 올바른 순서로 정렬합니다.
참고: 두 개 이상의 답변 선택지가 정답입니다. 선택한 정답 순서에 대해 크레딧을 받게 됩니다.
평가를 위해 데이터를 네 개의 하위 집합으로 나누어야 합니다. 데이터 a에 누락된 값이 많습니다. 분석을 위해 데이터를 준비해야 합니다.
실험을 진행하기 위해 적절한 방법을 선택해야 합니다.
어떤 세 모듈을 순서대로 실행해야 합니까? 답변하려면 작업 목록에서 적절한 작업을 답변 영역으로 옮기고 올바른 순서로 정렬합니다.
참고: 두 개 이상의 답변 선택지가 정답입니다. 선택한 정답 순서에 대해 크레딧을 받게 됩니다.
DP-100 문제 412
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 Learning Studio에서 새로운 실험을 만들고 있습니다.
한 클래스는 훈련 세트의 다른 클래스보다 관찰치가 훨씬 적습니다.
계층 불균형을 보상하기 위해 적절한 데이터 샘플링 전략을 선택해야 합니다.
해결책: 스케일 및 리듀스 샘플링 모드를 사용합니다.
해결책이 목표를 충족하는가?
이 섹션의 질문에 답한 후에는 다시 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 나타나지 않습니다.
Azure Machine Learning Studio에서 새로운 실험을 만들고 있습니다.
한 클래스는 훈련 세트의 다른 클래스보다 관찰치가 훨씬 적습니다.
계층 불균형을 보상하기 위해 적절한 데이터 샘플링 전략을 선택해야 합니다.
해결책: 스케일 및 리듀스 샘플링 모드를 사용합니다.
해결책이 목표를 충족하는가?
DP-100 문제 413
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 데이터로 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?
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 데이터로 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 414
train.py라는 이름의 Python 스크립트를 만들고 scripts라는 이름의 폴더에 저장합니다. 이 스크립트는 scikit-learn 프레임워크를 사용하여 머신 러닝 모델을 훈련합니다.
로컬 워크스테이션에서 Azure Machine Learning 실험으로 스크립트를 실행해야 합니다.
train.py 스크립트를 실행하는 실험을 시작하려면 Python 코드를 작성해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
로컬 워크스테이션에서 Azure Machine Learning 실험으로 스크립트를 실행해야 합니다.
train.py 스크립트를 실행하는 실험을 시작하려면 Python 코드를 작성해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 415
결정 트리 알고리즘을 사용하여 분류 모델을 훈련합니다.
다음 Python 코드를 실행하여 추정기를 만듭니다. 변수 feature_names는 모든 기능 이름의 목록이고 class_names는 모든 클래스 이름의 목록입니다.
interpret.ext.blackbox에서 TabularExplainer 가져오기
모든 특성의 중요도를 판단하여 모델이 모든 클래스에 대해 내린 예측을 설명해야 합니다.
다음 각 문장에 대해 문장이 사실이라면 예를 선택하세요. 그렇지 않으면 아니요를 선택하세요.
참고사항: 정답 하나당 1점입니다.
다음 Python 코드를 실행하여 추정기를 만듭니다. 변수 feature_names는 모든 기능 이름의 목록이고 class_names는 모든 클래스 이름의 목록입니다.
interpret.ext.blackbox에서 TabularExplainer 가져오기
모든 특성의 중요도를 판단하여 모델이 모든 클래스에 대해 내린 예측을 설명해야 합니다.
다음 각 문장에 대해 문장이 사실이라면 예를 선택하세요. 그렇지 않으면 아니요를 선택하세요.
참고사항: 정답 하나당 1점입니다.
프리미엄 번들
DumpTop 에서 공유하는 최신 DP-100 시험 덤프는 DP-100 시험패스를 도와드릴수 있습니다! DumpTop 은 최근 업데이트된 DP-100 시험자료를 제공해드립니다. DumpTop DP-100 덤프도 시험문제 변경에 따라 업데이트되었으며 오답도 수정되었습니다. DumpTop DP-100 덤프 최신버전을 공유받아보세요.
(528 Q&As 덤프, 30%OFF할인코드: KrDump)