文件名称：机械化学习
文件大小：5.96MB
文件格式：ZIP
更新时间：2024-03-06 16:21:20
JupyterNotebook
运作机器学习 在这个项目中，我们将使用葡萄牙银行机构的银行营销数据集。 主要任务是分类，我们必须预测客户是否将订阅定期存款。 数据集包含20个要素和32,950行。 数据集的链接为我们正在使用Azure配置基于云的机器学习生产模型，对其进行部署和使用。 然后，我们创建，发布和使用管道。 在此项目中，我们执行以下步骤： 自动化ML实验 部署最佳模型 启用记录 Swagger文档 消耗模型端点 创建和发布管道 建筑图 首先，我们必须选择并上传银行营销数据集。 然后配置一个新的计算集群，我们使用1作为最小节点数。 之后，我们将创建新的自动化ML运行。 我们使用分类进行实验，并确保选中“解释最佳模型”。 此外，根据退出标准，我们将默认值（3小时）减少到01，并将并发性从默认值减少到5。AutoML运行过程需要15到30分钟。 实验运行完成后，将显示所有模型及其度量的摘要，包括说明。 最佳模型将
【文件预览】：
Operationalizing-Machine-Learning-main
----snaps()
--------7-best-metric2.jpg(146KB)
--------31-pipeline3.jpg(176KB)
--------9-logspy.jpg(150KB)
--------14-swagger1.jpg(230KB)
--------16-swagger3.jpg(178KB)
--------5-diff-models.jpg(220KB)
--------27-endpoint3.jpg(198KB)
--------6-best-metric1.jpg(175KB)
--------8-deploy-model.jpg(194KB)
--------26-endpoint2.jpg(212KB)
--------33-pipelinerest1.jpg(202KB)
--------28-endpoint4.jpg(173KB)
--------35-pipelinerest3.jpg(208KB)
--------18-swagger5.jpg(228KB)
--------11-logpyrun2.jpg(251KB)
--------20-swagger7.jpg(178KB)
--------34-pipelinerest2.jpg(242KB)
--------19-swagger6.jpg(179KB)
--------4-voting-ensemble.jpg(180KB)
--------23-swagger10.jpg(153KB)
--------24-swagger11.jpg(133KB)
--------3-automl-completed.jpg(200KB)
--------17-swagger4.jpg(133KB)
--------Architectureflow.png(43KB)
--------13-enabletrueandurl2.jpg(199KB)
--------15-swagger2.jpg(209KB)
--------2-cluster.jpg(193KB)
--------32-pipeline4.jpg(183KB)
--------30-pipeline2.jpg(176KB)
--------ab.py(1B)
--------21-swagger8.jpg(151KB)
--------10-logpyrun1.jpg(256KB)
--------22-swagger9.jpg(122KB)
--------12-enabletrueandurl1.jpg(227KB)
--------25-endpoint1.jpg(171KB)
--------1-dataset-register.jpg(204KB)
--------29-pipeline1.jpg(165KB)
----benchmark.sh(2KB)
----swagger()
--------abc.py(1B)
--------swagger.sh(437B)
--------swagger.json(3KB)
--------serve.py(1KB)
----logs.py(464B)
----aml-pipelines-with-automated-machine-learning-step (1).ipynb(109KB)
----Updated()
--------pipeline-rest-endpoint-2.png(133KB)
--------dataset.png(120KB)
--------pipeline-run.png(151KB)
--------pipeline-endpoints.png(118KB)
--------aml-pipelines-with-automated-machine-learning-step (updated).ipynb(127KB)
--------pipelines.png(123KB)
--------pipeline-rest-endpoint-1.png(147KB)
----data.json(812B)
----endpoint.py(2KB)
----config.json(161B)
----README.md(8KB)