使用机器学习预测泰坦尼克号灾难的生存 我为Udacity的机器学习工程师Nanodegree设计的项目重点是根据包含乘客数据(例如姓名,年龄,性别,社会经济舱等)的数据集,预测哪些乘客在泰坦尼克号沉船事故中幸存下来。 也就是说,我们正在尝试建立一个预测模型来回答以下问题:“什么样的人更有可能生存?” 该项目的目标属于分类类别。 为了解决此问题,我同时使用了Azure的自动ML(AutoML)功能和Azure的HyperDrive超参数调整工具。 比较每个实验中的最佳模型以找到性能最高的模型,然后将最佳模型部署为Azure容器实例(ACI)进行消费。 自动化和ML所产生的模型都具有与Accuracy评估的性能相似的模型。 AutoML模型的精度为0.8249,HyperDrive模型的精度为0.7636。 下图显示并概述了工作流程,包括主要任务: 数据集 概述 该项目使用的数据集是“从灾