nd00333_AZMLND_Optimizing_a_Pipeline_in_Azure-Starter_Files

在Azure中优化ML管道 概述 该项目是Udacity Azure ML Nanodegree的一部分。 在这个项目中，我们使用Python SDK和提供的Scikit-learn模型来构建和优化Azure ML管道。 然后将该模型与Azure AutoML运行进行比较。 概括 该项目使用UCI银行营销数据集，其中包含人口统计资料（即：年龄，教育程度等）和财务状况（即：贷款，住房，消费者物价指数等）以及其他数据（例如，先前的露营活动）结果）有关银行营销活动的潜在客户的信息。 我们的目标是预测客户对定期存款的回答是“是”还是“否”。 为此，我们将以两种方式在Azure中使用分类算法：使用Hyperdrive和AutoML。 表现最佳的模型是经过AutoML训练的VotingEnsemble，其精度为0.916，仅略高于我们使用Hyperdrive进行调优的scikit-learn的Log