酒评指标 在这个项目中，我为在线葡萄酒销售商构建了葡萄酒评级预测指标。 该Wine预测变量旨在显示使用wine_dataset良好的预测是可能的。 葡萄酒评级是80到100之间的一个分数，代表了葡萄酒的质量。 使用当前的功能集，随机森林分类器及其调整的参数葡萄酒等级预测器可以预测均方误差为4.9的葡萄酒质量。 该指标表明，针对客户的全自动机器学习解决方案在生产中是可行且有效的。 该预测器运行带有Docker和Luigi任务的机器学习管道。 因此，它可以在装有docker和docker-compose的任何机器上运行。 机器学习管道包括以下步骤： 下载资料 制作数据集 清理数据 提取功能

从社交网络、在线图像/视频分享平台、电子商务到教育、医疗保健等，机器学习方法已被用于各种现实世界的应用。

图机器学习在学术界和工业界都得到了广泛的研究。然而，随着图学习文献的大量涌现，涌现出大量的方法和技术，对于不同的图相关任务，人工设计最优的机器学习算法变得越来越困难。为了解决这一关键挑战，图上的自动机器学习(AutoML)结合了图机器学习和自动学习的优点，正受到学术界的关注。