MLS-C01 题库 · 最新 50 题免费预览（第 5/5 页）

数据科学家使用 Amazon SageMaker Data Wrangler 来分析和可视化数据。数据科学家希望通过选择对目标变量具有很强预测性的预测变量来优化训练数据集。目标变量与其他预测变量相关。数据科学家想要了解数据在特征空间中沿各个方向的方差。哪种解决方案将满足这些要求？

• A. 使用具有方差膨胀因子 （VIF） 分数的 SageMaker Data Wrangler 多重共线性测量功能。使用 VIF 分数来衡量变量之间的关联程度。
• B. 使用 SageMaker Data Wrangler 数据质量和见解报告快速模型可视化来估计基于数据训练的模型的预期质量。
• C. 将 SageMaker Data Wrangler 多重共线性测量功能与主成分分析 （PCA） 算法结合使用，以提供包含所有预测变量的特征空间。
• D. 使用 SageMaker Data Wrangler 数据质量和见解报告功能，按预测能力查看功能。

答案: C

一家公司拥有 2,000 家零售店。该公司需要开发一个新模型，以根据节假日和天气状况预测需求。该模型必须预测零售店所在的每个地理区域的需求。在部署新开发的模型之前，该公司希望对模型进行测试 2 到 3 天。该模型需要足够强大，以适应供应链和零售店的要求。公司应采取哪些步骤组合来满足这些要求，同时将运营开销降至最低？（选择两个。

• A. 使用 Amazon Forecast Prophet 模型开发模型。
• B. 使用 Amazon Forecast 假期特征化和天气指数开发模型。
• C. 使用使用 Amazon SageMaker 和 AWS Step Functions 的 Canary 策略部署模型。
• D. 使用使用 Amazon SageMaker Pipelines 的 A/B 测试策略部署模型。
• E. 使用使用 Amazon SageMaker 和 AWS Step Functions 的 A/B 测试策略部署模型。

答案: B, C

数据科学家需要创建一个用于预测性维护的模型。该模型将基于历史数据来识别数据中的罕见异常。历史数据存储在 Amazon S3 存储桶中。数据科学家需要使用 Amazon SageMaker Data Wrangler 来提取数据。数据科学家还需要执行探索性数据分析 （EDA） 以了解数据的统计属性。哪种解决方案能够以最少的计算资源满足这些要求？

• A. 使用 None 选项导入数据。
• B. 使用 Stratified 选项导入数据。
• C. 使用 First K 选项导入数据。从领域知识推断 K 的值。
• D. 使用 Randomized 选项导入数据。从域知识推断随机大小。

答案: C

一家金融公司收集了 5,000 家上市公司的股票回报数据。财务分析师有一个数据集，其中包含每家公司的 2,000 个属性。金融分析师希望使用 Amazon SageMaker 来确定对预测未来股票回报最有价值的前 15 个属性。哪种解决方案将以最少的运营开销满足这些要求？

• A. 使用 SageMaker 中的线性精益算法来训练线性回归模型来预测股票回报。通过对绝对系数值进行排名来确定最具预测性的特征。
• B. 在 SageMaker 中使用随机森林回归来训练模型以预测股票回报。根据 Gini 重要性分数确定最具预测性的特征。
• C. 使用 Amazon SageMaker Data Wrangler 快速模型可视化来预测股票回报。根据快速模式的特征重要性分数确定最具预测性的特征。
• D. 使用 Amazon SageMaker Autopilot 构建回归模型来预测股票回报。根据 Amazon SageMaker Clarify 报告确定最具预测性的特征。

答案: D

数据科学家需要开发一个模型来检测欺诈。数据科学家拥有的欺诈交易数据少于合法交易的数据。数据科学家需要在最终确定模型之前检查模型中的偏差。数据科学家需要快速开发模型。哪种解决方案将以最少的运营开销满足这些要求？

• A. 使用 Amazon EMR 中的合成少数过采样技术 （SMOTE） 处理和减少偏差。使用 Amazon SageMaker Studio Classic 开发模型。在最终确定模型之前，使用 Amazon Augmented Al （Amazon A2I） 检查模型是否存在偏差。
• B. 使用 Amazon EMR 中的合成少数过采样技术 （SMOTE） 处理和减少偏差。使用 Amazon SageMaker Clarify 开发模型。在最终确定模型之前，使用 Amazon Augmented AI （Amazon A2I） 检查模型是否存在偏差。
• C. 通过在 Amazon SageMaker Studio 中使用合成少数过采样技术 （SMOTE） 来处理和减少偏差。使用 Amazon SageMaker JumpStart 开发模型。在最终确定模型之前，使用 Amazon SageMaker Clarify 检查模型是否存在偏差。
• D. 使用 Amazon SageMaker Studio 笔记本处理和减少偏差。使用 Amazon SageMaker JumpStart 开发模型。在最终确定模型之前，使用 Amazon SageMaker Model Monitor 检查模型是否存在偏差。

答案: C

数据科学家使用 Amazon SageMaker 对原型机器跟踪 （ML） 模型执行超参数调整。数据科学家的领域知识表明，超参数对变化高度敏感。最佳值 x 在 0.5 < x < 1.0 范围内。数据科学家的领域知识表明，最佳值接近 1.0。数据科学家需要找到运行次数最少且具有高度一致优化条件的最佳超参数值。数据科学家应该使用哪种超参数扩展类型来满足这些要求？

• A. 自动扩展
• B. 线性缩放
• C. 对数刻度
• D. 反向对数刻度

答案: D

机器学习 （ML） 工程师正在为分类模型准备数据集。ML 工程师注意到，某些连续数值特征的价值明显大于大多数其他特征。业务专家解释说，这些特征是独立的信息，并且数据集代表目标分布。训练后，模型的推理准确性低于预期。哪种预处理技术将导致模型推理准确性的最大提高？

• A. 规范化有问题的特征。
• B. 引导有问题的功能。
• C. 删除有问题的功能。
• D. 推断合成特征。

答案: A

一家电子商务公司观察到，使用该公司网站的客户很少查看该网站向客户推荐的商品。该公司希望向客户推荐客户更有可能想要购买的商品。哪种解决方案将在最短的时间内满足此要求？

• A. 在 Amazon EC2 Accelerated Computing 实例上托管公司的网站，以提高网站响应速度。
• B. 在基于 Amazon EC2 GPU 的实例上托管公司网站，以提高网站搜索工具的速度。
• C. 将 Amazon Personalize 集成到公司网站中，为客户提供个性化推荐。
• D. 使用 Amazon SageMaker 训练神经协作过滤 （NCF） 模型来提供产品推荐。

答案: C

一家公司正在使用机器学习 （ML） 模型向客户推荐产品。一位 ML 专家希望在四个维度中分析最受欢迎推荐的数据。ML 专家会将前两个维度可视化为坐标。第三个维度将可视化为颜色。ML 专家将使用大小来表示可视化中的第四维度 哪种解决方案将满足这些要求？

• A. 使用 Amazon SageMaker Data Wrangler 条形图功能。使用 Group By 表示第三和第四维度。
• B. 使用 Amazon SageMaker Canvas 箱形图可视化效果：使用颜色和填充模式来表示第三和第四维度
• C. 使用 Amazon SageMaker Data Wrangler 直方图功能使用颜色和填充模式表示第三和第四维度
• D. 使用 Amazon SageMaker Canvas 散点图可视化使用散点大小和颜色来表示第三和第四维度

答案: D

一家服装公司正在为其产品尝试不同的颜色和材料。该公司将其所有产品的整个销售历史记录存储在 Amazon S3 中。该公司正在使用定制的指数平滑 （ETS） 模型来预测对其当前产品的需求。该公司需要预测对公司即将推出的新产品变体的需求。哪种解决方案将满足这些要求？

• A. 训练自定义 ETS 模型。
• B. 训练 Amazon SageMaker DeepAR 模型。
• C. 训练 Amazon SageMaker К-means 集群模型。
• D. 训练自定义 XGBoost 模型。

答案: B