與亞馬遜不同，微軟試圖為有經(jīng)驗的數(shù)據(jù)科學(xué)家提供一整套算法和工具。因此，Azure 機器學(xué)習(xí)是更廣泛的微軟 Cortana 分析套裝中的一部分。微軟 Azure 機器學(xué)習(xí)也擁有拖拽式的界面，以便于構(gòu)造模型訓(xùn)練和評估來自模塊的數(shù)據(jù)流。

Azure 機器學(xué)習(xí)工具包括導(dǎo)入數(shù)據(jù)集、訓(xùn)練和發(fā)布實驗性模型、在 Jupyter Notebooks 中處理數(shù)據(jù)和保存已訓(xùn)練的模型等功能。該機器學(xué)習(xí)工具中包含數(shù)十個樣本數(shù)據(jù)集，五個數(shù)據(jù)格式轉(zhuǎn)換方式，多個讀取和寫入數(shù)據(jù)的方式，數(shù)十種數(shù)據(jù)轉(zhuǎn)換和三個用來選擇特征的選項。在 Azure 機器學(xué)習(xí)服務(wù)中，你將為異常檢測、分類、聚類和回歸找到多種模型；此外還有四種為模型打分的方法、三種評估模型的策略和六種訓(xùn)練模型的過程。你也可以使用兩個 OpenCV（開源計算機視覺）模塊、統(tǒng)計學(xué)方程和文本分析工具。

上面這些已包含很多東西了，如果你理解你的生意、數(shù)據(jù)和模型，那么理論上它們足夠用來以任何模型來處理任何數(shù)據(jù)了。當(dāng)既有的 Azure 機器學(xué)習(xí)工具模塊無法實現(xiàn)你想要的東西時，你也可以自己開發(fā) Python 或 R 模塊。

你可以用 Jupyter Notebooks 來開發(fā)和測試 Python 2 和 Python 3 語言模塊。Jupyter Notebooks 已擴展了 Azure 機器學(xué)習(xí)服務(wù)的 Python 客戶庫，也擴展了 scikit-learn、matplotlib 和 NUmpy，從而能夠處理你在 Azure 中存儲的那些數(shù)據(jù)。Azure Jupyter Notebooks 將來也會支持 R 語言，目前，你可以在本地使用 Rstudio 以改變 Azure 的輸入輸出，或者在微軟數(shù)據(jù)科學(xué) VM 中安裝 Rstudio。

當(dāng)你在 Azure 機器學(xué)習(xí)服務(wù)中創(chuàng)造一個新實驗時，你既可以從零開始，也可以從微軟的 70 個樣本開始，這些樣本覆蓋了大部分常用模型。此外在 Cortana Gallery 還可以找到其他 Azure 社區(qū)的內(nèi)容。

微軟 Azure 機器學(xué)習(xí)服務(wù)能迅速產(chǎn)生網(wǎng)絡(luò)服務(wù)以發(fā)布訓(xùn)練好的模型。圖中這個簡單模型來自一篇對 Azure 機器學(xué)習(xí)的互動式導(dǎo)論。來源：inforworld.com

要使用 Cortana 分析過程（CAP），應(yīng)從計劃和安裝的步驟開始。這很重要，除非你已經(jīng)是一名對商業(yè)問題、數(shù)據(jù)和 Azure 機器學(xué)習(xí)都十分熟悉的受過訓(xùn)練的數(shù)據(jù)科學(xué)家，并已為項目創(chuàng)造了必要的 CAP 環(huán)境。CAP 環(huán)境中可以包含一個 Azure 存儲帳號，一個微軟數(shù)據(jù)科學(xué) VM，一個 HDInsight (Hadoop) 群組和一個使用 Azure 機器學(xué)習(xí)服務(wù)的機器學(xué)習(xí)工作空間。如果這些選項令你困惑，你可以參考微軟的文檔。安裝好之后，CAP 包含５個后續(xù)步驟：消化數(shù)據(jù)、探索性數(shù)據(jù)分析和預(yù)處理，特征生成，模型生成和對模型的部署與使用。

微軟最近發(fā)布了一系列的認知服務(wù)，這些服務(wù)已從牛津項目（Project Oxford）進化成了 Azure 預(yù)覽服務(wù)。這些認知服務(wù)已在語音、文本分析、面孔識別、情緒識別和其他類似能力方面進行了預(yù)訓(xùn)練。除了你自己訓(xùn)練的模型之外，這些認知服務(wù)也可以作為補充。

中級玩家平臺 Databricks

Databricks 是一個基于 Apache Spark 的商業(yè)云服務(wù)。而 Apache Spark 是一個開源集群計算框架，它包括一個機器學(xué)習(xí)庫、一個集群管理器、一個類似 Jupyter 的互動式筆記本、儀表盤和工作項目列表。Databricks 公司由 Spark 的發(fā)明者建立，因此通過 Databricks 服務(wù)你可以毫不費力地玩轉(zhuǎn)那些 Spark 集群。

它的庫 MLlib 包含范圍廣泛的機器學(xué)習(xí)和統(tǒng)計算法，這些算法都針對基于內(nèi)存的分布式 Spark 架構(gòu)方面進行了調(diào)整。MLlib中包含總結(jié)性統(tǒng)計、相關(guān)、取樣、假設(shè)檢驗、分類和回歸、協(xié)同過濾、聚類分析、降維、特征提取和轉(zhuǎn)換函數(shù)、優(yōu)化算法等等。換句話說，對有經(jīng)驗的數(shù)據(jù)科學(xué)家來說，它是一個相當(dāng)完整的工具包。

上面這個具有 Python 代碼的 Databricks 筆記本頁面展示了一種對公共自行車租用數(shù)據(jù)集的分析方法。在筆記本的這個部分，我們正在訓(xùn)練管道，通過使用交叉驗證來運行多個梯度上升樹回歸。來源：infoworld.com

Databricks 被設(shè)計為可規(guī)?；?、相對易用的數(shù)據(jù)科學(xué)平臺，其目標(biāo)使用者是那些已了解統(tǒng)計學(xué)并能做一點編程的人。要有效地使用它，你需要知道一些 SQL，也需要從 Scala、R 或 Python 中了解其中之一。如果你精通你所選擇的語言，那就更好了，因為這樣你就可以集中精力學(xué)習(xí) Spark了。你可以通過在免費的 Databricks 社區(qū)版集群上運行 Databricks 筆記本的樣本來嘗試進行最初的使用。

高手請進：谷歌機器學(xué)習(xí)云

谷歌最近宣布了多個機器學(xué)習(xí)相關(guān)的產(chǎn)品。其中最有趣的是云學(xué)習(xí)和云語音 API，這二者目前都限于預(yù)覽。谷歌的翻譯 API 和云視覺 API 已經(jīng)可供使用，其中谷歌翻譯可以識別語言并在 80 多種語言和方言之間進行翻譯，而云視覺可以從圖像中識別多種特征。從谷歌發(fā)布的試用版看，它們表現(xiàn)得不錯。

谷歌預(yù)測（Google Prediction ） API 能夠訓(xùn)練、評估和預(yù)測回歸和分類問題，但用戶無法選擇采用什么算法。（它起源于 2013 年。）

我在 TensorFlow 的 Github 存放目錄中檢查了它的代碼。我讀了它的一些 C、C++ 和 Python 代碼。我也研讀了 TensorFlow 網(wǎng)站和白皮書。TensorFlow 讓你能夠從電腦桌面、服務(wù)器或手機上對單個或多個 CPU 或 GPU 部署計算。它擁有內(nèi)置的各種訓(xùn)練算法和神經(jīng)網(wǎng)絡(luò)算法。從挑戰(zhàn)難度的極客角度看，如果難度總分 10 分那么它能得９分。它的難度不僅超出了商業(yè)分析師的能力，也會令許多數(shù)據(jù)科學(xué)家感到困難。

谷歌翻譯 API、云視覺 API 和新的谷歌云語音 API 都是預(yù)訓(xùn)練的機器學(xué)習(xí)模型。根據(jù)谷歌的說法，它的云語音 API 使用神經(jīng)網(wǎng)絡(luò)技術(shù)與支撐 Google app 語音搜索和支撐 Google Keyboard 語音打字的技術(shù)是同一種。

Haven OnDemand，還差那么一點點

Haven OnDemand 目前擁有音頻-視頻分析、連接器、格式轉(zhuǎn)換、圖形分析、惠普實驗室沙盒、圖像分析、政策、預(yù)測、查詢概覽與操作、搜索、文本分析和非結(jié)構(gòu)化文本索引等 API。我用一個隨機集做試驗，探索了這些 API 是如何被調(diào)用和使用的。

Haven 語音識別只支持６種語言和方言。它對我的高質(zhì)量美式英語測試文件的識別準確率還行，但并不完美。

Haven OnDemand 連接器（connector）讓你能夠從外部系統(tǒng)中提取信息并通過 Haven OnDemand API 來更新信息。該連接器已相當(dāng)成熟，這是因為它是基于惠普的搜索服務(wù) IDOL 的連接器。文本提取 API 使用惠普企業(yè)的 KeyView 服務(wù)來從你提供的文件中提取元數(shù)據(jù)和文本內(nèi)容；由于 KeyView 已相當(dāng)成熟，該 API 能處理超過 500 種不同的文件格式。

圖形分析是一組預(yù)覽服務(wù)，它只按照一個從英文維基百科訓(xùn)練而來的索引而工作。你不能用你自己的數(shù)據(jù)來訓(xùn)練它。

我使用圖像分析 API 試驗了條形碼識別，結(jié)果還不錯。我也試驗了面孔識別，這時它對我的測試圖像的識別沒有它對惠普企業(yè)自己的樣本識別得好。圖像識別目前還只限于一組固定的企業(yè)標(biāo)識，用處有限。

Haven OnDemand 的條形碼識別 API 可以從圖像文件中圈出條形碼（見紅色方框）并把它轉(zhuǎn)化為數(shù)字，即便條形碼的表面是彎曲的、是 20 度傾斜的或模糊的。該 API 不會進一步去查詢條形碼數(shù)字和識別產(chǎn)品。來源：infoworld.com

我失望地發(fā)現(xiàn)，惠普企業(yè)的預(yù)測性分析只處理二元分類問題：沒有多類別分類，也沒有回歸，更不要提無引導(dǎo)學(xué)習(xí)了。這嚴重限制了它的應(yīng)用范圍。不過從好的一面看，它的訓(xùn)練預(yù)測 API 能對 CSV 或 JSON 數(shù)據(jù)進行自動驗證、探索、分離和準備，并用于訓(xùn)練決策樹、Logistic 回歸、樸素貝葉斯，并支持多參數(shù)的向量機（SVM）二元分類模型。之后，它會用數(shù)據(jù)中的評估部分來測試分類器，并將最優(yōu)的模型發(fā)布為服務(wù)。

Haven OnDemand 搜索使用 IDOL 引擎來執(zhí)行對公共和私有文本索引的高級搜索。文本分析 API 則既能進行簡單的自動補全、詞匯擴展，也能進行語言識別、概念提取和情感分析。

IBM Watson 預(yù)測分析服務(wù)

IBM 提供了基于 Watson 的機器學(xué)習(xí)服務(wù)和 IBM SPSS Modeler。IBM 實際上為開發(fā)者、數(shù)據(jù)科學(xué)家和商業(yè)用戶這３類用戶準備了不同的機器學(xué)習(xí)服務(wù)。

SPSS Modeler 是一個 Windows 應(yīng)用，最近也可以在云上使用它了。Modeler 的個人版包括數(shù)據(jù)導(dǎo)入和導(dǎo)出、數(shù)據(jù)自動準備、整理和抽取轉(zhuǎn)換裝載（ETL）等功能。它擁有 30 多種基本的機器學(xué)習(xí)算法和自動建模方法，具有 R 語言可擴展性，可使用 Python 腳本。更昂貴的版本則能通過 IBM SPSS 分析服務(wù)器來使用大數(shù)據(jù)，使用 Hadoop/Spark、冠軍-挑戰(zhàn)者功能、 A/B 測試，文本與實體分析以及社交網(wǎng)絡(luò)分析。

SPSS Modeler 中的機器學(xué)習(xí)算法、特征選擇方法和對支持格式的選擇，都可以拿來和 Azure 機器學(xué)習(xí)、Databricks Spark 機器學(xué)習(xí)的相應(yīng)部分進行比較。甚至它的自動建模（訓(xùn)練并評估多個模型并挑選最優(yōu)者）部分也可以拿來比較，盡管在 SPSS Modeler 中，用戶更容易弄明白如何自動建模。

IBM 的 Bluemix 云容納了預(yù)測性分析網(wǎng)絡(luò)（Predictive Analytics Web）服務(wù)，該服務(wù)可以應(yīng)用 SPSS 模型，向你提供評價性 API，而你可以在你的 apps 里調(diào)用它。除了網(wǎng)絡(luò)服務(wù)外，預(yù)測性分析也支持批量工作，以對額外數(shù)據(jù)進行重新訓(xùn)練和重新評估。

Watson 名下除了預(yù)測性分析之外，還有 18 種 Bluemix 服務(wù)。其中 Alchemy API 向用戶提供三種服務(wù)（Alchemy 語言、Alchemy 視覺和 Alchemy 數(shù)據(jù)），它能夠讓商業(yè)公司和研發(fā)者建立認知性應(yīng)用，從而理解文本和圖像中的內(nèi)容和語境。

概念擴展 API 可以分析文本并基于語境學(xué)習(xí)類似的詞語或詞組。概念洞察 API 可以把你提供的文件與既有的基于維基百科話題的概念圖連接起來。而對話服務(wù)則讓你能夠使用自然語言和用戶概要信息，通過對話界面設(shè)計應(yīng)用與用戶互動的方式。文檔轉(zhuǎn)換服務(wù)把單一的 HTML、PDF 或微軟 Word 文檔轉(zhuǎn)換為標(biāo)準化 HTML，純文本或可以用于其他 Watson 服務(wù)的 JSON 格式的答案單元集。

我使用 Watson 分析一個常見的出租自行車數(shù)據(jù)集，得到了一個具有 48% 預(yù)測力的決策樹。該表格并未區(qū)分工作日騎車者和非工作日騎車者。來源：infoworld.com

語言翻譯服務(wù)則處理多個知識領(lǐng)域和語言對。在新聞和談話領(lǐng)域，語言對包括英語、巴西式葡語，法語、現(xiàn)代標(biāo)準阿拉伯語和西班牙語。在專利領(lǐng)域，語言對包括英語、巴西式葡語、漢語、韓語和西班牙語。翻譯服務(wù)可以從 62 種語言中識別出某個純文本的語言。

自然語言分類器服務(wù)運用認知計算技術(shù)，通過在你的類別和短語集上進行訓(xùn)練，可以返回對句子、問題或短語的最佳匹配類別。個性洞察力服務(wù)從交易和社交媒體數(shù)據(jù)（其中每個個體至少要提供 1000 個單詞的數(shù)據(jù)）中判斷個體的心理特質(zhì)，這些特質(zhì)被記錄在 JSON 格式的性格樹之中。關(guān)系提取服務(wù)則把句子分析為多個部分，并通過語境分析來探測這些（詞性和功能）部分之間的關(guān)系。

其他 Bluemix 服務(wù)有的能提高搜索結(jié)果的相關(guān)性，有的在６種語言的文本和語音之間進行轉(zhuǎn)換，有的從文本中識別情緒，還有的能分析視覺場景和對象。

Watson 分析服務(wù)使用了 IBM 自己的自然語言處理工具，讓商業(yè)分析師和其他非數(shù)據(jù)科學(xué)家能更容易地用機器學(xué)習(xí)。

哪家平臺最適合你？

你應(yīng)該基于你自己和你的團隊的技能來衡量上面這些企業(yè)提供的機器學(xué)習(xí)服務(wù)。

對數(shù)據(jù)科學(xué)家和那些擁有數(shù)據(jù)科學(xué)家的團隊來說，選擇面很寬。擅長編程的數(shù)據(jù)科學(xué)家還可以做更多的事：Google、Azure、Databricks 比 Amazon、SPSS Modeler 需要更多的編程技能，不過前３個也因此變得更具靈活性。

在 Bluemix 上運行的 Watson 服務(wù)在云應(yīng)用方面為開發(fā)者提供了額外的預(yù)訓(xùn)練能力。若干 Azure 服務(wù)、3 個谷歌云 API 和若干 Haven OnDemand API 也在文檔內(nèi)容方面提供了預(yù)訓(xùn)練能力。

谷歌 TensorFlow 庫適用于那些能流利使用 Python，C++ 或 C 的高端機器學(xué)習(xí)編程者。谷歌的云機器學(xué)習(xí)平臺似乎適用于了解 Python 和云數(shù)據(jù)管道的高端數(shù)據(jù)科學(xué)家。

盡管亞馬遜機器學(xué)習(xí)和 Watson 分析服務(wù)宣稱它們的目標(biāo)用戶是商業(yè)分析師或“任何商業(yè)職位”，我很懷疑他們這一說法能否實現(xiàn)。如果你需要開發(fā)機器學(xué)習(xí)應(yīng)用，但卻缺乏統(tǒng)計數(shù)學(xué)或編程背景，我認為你應(yīng)該在你的團隊中引入懂這些的人。

各家機器學(xué)習(xí)云大比拼

亞馬遜機器學(xué)習(xí)

優(yōu)點：

它替你選擇模型，從而簡化了模型選擇過程

它根據(jù)模型提供實時和批量預(yù)測

當(dāng)你需要時，它可以為模型提供恰當(dāng)?shù)膱D表和診斷

能夠處理來自 S3, RDS MySQL 和 Redshift 的訓(xùn)練數(shù)據(jù)

能自動進行一些文本處理

可以用 Linux，Windows 或 Mac OS X 使用 API

缺點：

不包括探索性數(shù)據(jù)分析

不允許分析師調(diào)整改變算法

無法導(dǎo)入或?qū)С瞿Ｐ?/p>

微軟 Azure 機器學(xué)習(xí)

優(yōu)點：

有多種模型可供選擇，還能用 R 或 Python 編寫新模型

使用拖拽界面，可以輕易地進行模型設(shè)計和訓(xùn)練

可以使用 Azure 云中的真實數(shù)據(jù)進行探索性數(shù)據(jù)分析

入門免費

從任何網(wǎng)絡(luò)瀏覽器都可進入它

缺點：

要擁有數(shù)據(jù)科學(xué)家的技能才能選出恰當(dāng)特征、找到最佳模型

探索性數(shù)據(jù)分析需要一定的 Python 或 R 編程能力

將 R 結(jié)果傳遞給流程時會發(fā)生困難

Databricks 及 Spark 1.6

優(yōu)點：

對 Spark cluster 進行擺弄和規(guī)?；兊煤芎唵?/p>

為數(shù)據(jù)科學(xué)家提供了范圍廣泛的機器學(xué)習(xí)工具

提供了一個使用 R, Python, Scala, SQL 的協(xié)作性筆記本界面

免費入門，價格低廉

容易對產(chǎn)品工作進度進行安排

缺點：

不如 BI 產(chǎn)品好用，雖然整合了一些 BI 產(chǎn)品

用戶需要熟悉編程、數(shù)據(jù)分析和機器學(xué)習(xí)算法

惠普企業(yè) Haven OnDemand

優(yōu)點：

強大的文檔格式轉(zhuǎn)換能力

強大的企業(yè)搜索能力

價格合理

缺點：

有些服務(wù)尚不成熟

有些服務(wù)范圍狹窄，限制了其適用范圍

IBM Watson 與預(yù)測分析服務(wù)

優(yōu)點：

點幾下鼠標(biāo)，就能使用 SPSS Modeler 提供的范圍廣泛的模型

Bluemix 預(yù)測分析網(wǎng)絡(luò)服務(wù)表現(xiàn)良好，價格合理

Watson Bluemix 服務(wù)為開發(fā)者提供了優(yōu)質(zhì)、價格合理的技術(shù)能力

Watson 分析服務(wù)使用自然語言，從而讓那些經(jīng)驗較少者也能輕易地建立模型

缺點：

按照當(dāng)前標(biāo)準，SPSS MOdeler 價格昂貴

Bluemix 預(yù)測分析網(wǎng)絡(luò)服務(wù)要求 SPSS 模型 Watson 分析服務(wù)在易用性方面用力過猛