Explanation:
Azure Machine Learning Studio の Clean Missing Data モジュールを使用して、欠損値を削除、置換、または推測します。
誤った回答:
潜在ディリクレ変換: Azure Machine Learning Studio の潜在ディリクレ配分モジュールは、分類されていないテキストをいくつかのカテゴリにグループ化します。潜在ディリクレ配分 (LDA) は、自然言語処理 (NLP) で類似したテキストを見つけるためによく使用されます。もう 1 つの一般的な用語はトピック モデリングです。
カウント変換の構築: Azure Machine Learning Studio でカウント変換モジュールを構築し、トレーニング データを分析します。このデータから、モジュールはカウント テーブルと、予測モデルで使用できるカウントベースの機能のセットを構築します。
欠損値スクラバー: 欠損値スクラバー モジュールは非推奨です。
特徴ハッシュ: 特徴ハッシュは言語学に使用され、一意のトークンを整数に変換することによって機能します。
離散値の置換: Azure Machine Learning Studio の離散値の置換モジュールは、離散値を表すために使用できる確率スコアを生成するために使用されます。このスコアは、離散値の情報値を理解するのに役立ちます。
参考文献:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clean-missing-data