【文件属性】:
文件名称:Azure-ML-Nanodegree--Capstone-project:Udacity纳米学位项目
文件大小:1.11MB
文件格式:ZIP
更新时间:2021-03-10 06:48:11
JupyterNotebook
顶峰项目
这是为期7个月的具有Azure课程培训的机器学习工程师的最终Udacity纳米级项目。
介绍
该项目专注于使用hyperdrive和自动ML方法调整超参数,以更快,更自动地训练更多模型
概述
对于这个实验,我决定研究一个乳腺癌数据集,该数据集影响了世界各地的大量女性。 该数据集着重于出现在乳房上的肿块,探索其大小,质地,光滑度等属性,以预测其是否癌变,这是诊断列的描述。该数据来自我使用了两种不同的方法进行此预测的实验,并比较了哪种模型效果最好。 这两个实验是和实验。
建筑图
任务
此任务是有监督的学习操作中的分类任务,可预测诊断是癌块还是非癌块。 该数据的特征包括:
平均半径
平均质地
平均周长
平均面积
平均平滑度
诊断
它包含569个观测值(行)和6个特征(列)
我正在尝试预测诊断列,该列是包含已记录为癌性(1)或非癌性(0)的肿块细节的标记数据。
使用权
我使用表格数据
【文件预览】:
Azure-ML-Nanodegree--Capstone-project-main
----screenshot()
--------automl run widget 1.png(63KB)
--------hyperdrive run details 1.png(66KB)
--------automl run widget 2.png(39KB)
--------hyperdrive bestrun sdk.png(55KB)
--------hyperdrive run details 3.png(28KB)
--------hyperdrive run details 4.png(34KB)
--------hyperdrive run details 2.png(48KB)
--------hyperdrive bestrun studio.png(50KB)
--------automl best model.png(39KB)
----endpoint.py(1KB)
----automl_errors.log(4.7MB)
----Breast_cancer_data.csv(19KB)
----train.py(2KB)
----hyperparameter experiment.ipynb(76KB)
----logs and models()
--------automl_errors.log(2.96MB)
--------swagger.json(2KB)
--------myenv.yml(755B)
--------automl.log(12KB)
--------conda-dependencies.yml(102B)
--------data.json(248B)
--------azureml_automl.log(4KB)
--------best_automl_model.onnx(287KB)
--------model.joblib(51B)
--------config.json(161B)
----automl.ipynb(127KB)
----automl new.ipynb(52KB)
----architectural diagram.jpg(63KB)
----best_automl_model.onnx(671KB)
----hyperparameter run.ipynb(77KB)
----README.md(6KB)
----model.joblib(51B)
----hyperparameter.ipynb(74KB)
----automl experiment.ipynb(158KB)
----config.json(161B)