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 用1-2句话解释问题陈述：例如：“此数据集包含有关……我们试图预测……的数据” 用1-2句话说明解决方案：例如，“表现最好的模型是...” Scikit学习管道 解释管道架构，包括数据，超参数调整和分类算法。 您选择的参数采样器有什么好处？ 您选择的提前停止政策有什么好处？ 自动贴图 用1-2个句子描述由AutoML生成的模型和超参数。 管道比较 比较两个模型及其性能。 准确度有什么区别？ 在建筑中？ 如果存在差异，为什么您会认为存在差异？ 未来的工作 在以后的实验中有哪些方面需要改进？ 为什么这些改进对模