文件名称：heart_failure_prediction_on_azure:使用Udacity在Azure课程上进行机器学习的Capstone项目
文件大小：1.14MB
文件格式：ZIP
更新时间：2024-04-05 09:40:57
JupyterNotebook
心力衰竭预测 在这个项目中，我们创建了机器学习模型以使用Hyperdrive和AutoML来解决分类问题。 然后，我们将最佳模型部署为Web服务。 下图显示了此项目中采取的步骤： （图片取自Udacity） 数据集 概述 我们使用可在Kaggle 上公开获得的心力衰竭预测数据集。 该数据集包含有关个人的各种信息，例如性别，糖尿病，高血压等，以及死亡原因是否是由于心力衰竭引起的。 任务 我们的目标是开发一种机器学习算法，该算法可以检测一个人是否可能因心力衰竭而死亡。 这有助于诊断和早期预防。 为此，我们将使用数据集中的所有12个特征来开发准确的模型。 使用权 我们通过在本地导入上传到机器学习工作区的数据集来访问AutoML中的数据。 另一方面，对于超级驱动器，我们使用URL直接从Kaggle访问数据。 自动化机器学习 在automl中使用的设置如下： automl_settings =
【文件预览】：
heart_failure_prediction_on_azure-main
----images()
--------hyperdrive_1.png(205KB)
--------workflow.png(40KB)
--------best_model.png(102KB)
--------automl_rundetails.png(110KB)
--------automl_1.png(137KB)
--------deployed.png(67KB)
--------automl_2.png(151KB)
--------hyperdrive_2.png(166KB)
--------automl_3.png(110KB)
--------hyperdrive_best.png(140KB)
----train.py(2KB)
----hyperparameter_tuning.ipynb(52KB)
----automl.ipynb(185KB)
----heart_failure_clinical_records_dataset.csv(12KB)
----score.py(593B)
----README.md(6KB)
----conda_dependencies.yml(461B)