Explanation:
ステップ1: データを拡張する
シナリオ: 各データセットの列には欠損値と null 値が含まれています。データセットには多くの外れ値も含まれています。
ステップ 2: ベイズ線形回帰モジュールを追加します。
シナリオ: 線形回帰モジュールとベイジアン線形回帰モジュールを使用して、不動産価格を予測する回帰モデルを作成します。
ステップ 3: 正規化の重みを設定します。
正規化は通常、過剰適合を回避するために使用されます。たとえば、L2 正規化の重みに、L2 正規化の重みとして使用する値を入力します。過剰適合を回避するには、ゼロ以外の値を使用することをお勧めします。
シナリオ：
モデルの適合: モデルは過剰適合の兆候を示しています。過剰適合を軽減する、より洗練された回帰モデルを作成する必要があります。
誤った回答:
マルチクラス決定ジャングルモジュール:
決定ジャングルは、決定フォレストの最近の拡張です。決定ジャングルは、決定有向非巡回グラフ (DAG) の集合で構成されます。
L-BFGS:
L-BFGS は、「限定メモリ Broyden-Fletcher-Goldfarb-Shanno」の略です。これは、2 つの (そして 2 つのみの) 結果を予測するために使用できるロジスティック回帰モデルを作成するために使用される wwo-Class Logistic Regression モジュールにあります。
参考文献:
<https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/linear-regression>