颜色分类leetcode AWSKRUG数据实践第2部分AWSKRUG #datascience小组的第二个动手时间是使用Amazon Sagemaker创建机器学习模型。目的了解使用机器学习解决问题的过程，使用Amazon Sagemaker训练模型，并使用训练后的模型进行预测。对于模型训练，练习一个通过你使用的机器学习框架直接部署一个训练好的模型的例子。在本练习中，使用了R，并且可以将相同的代码更改为Python或其他语言。 AWS资源AWS使用的资源有： S3：对象存储从任何地方存储和检索任意数量的数据。用作新模型的存储库ECR：完全托管的Docker容器注册表，可以轻松存储、管理和部署Docker容器映像。 Amazon Sagemaker：一项完全托管的服务，使数据科学家和开发人员能够使用机器学习快速轻松地创建模型并将其部署到生产中。机器学习过程一个成功的机器学习项目始于正确的问题定义。它是通过收集、处理和分析必要的数据来完成的。