搜文章
推荐 原创 视频 Java开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发
Lambda在线 > 机器学习blog > 机器学习即服务

机器学习即服务

机器学习blog 2017-10-31


目前,机器学习在很多领域都非常流行,主要涵盖了图像识别,语音识别以及自然语言处理等各个领域。


最近,机器学习即服务 (machine learning as a service) 也渐渐地流行起来。这篇文章主要介绍几个机器学习即服务的平台。


自动商业建模 (Automatic Business Modeler, ABM) 是一个对客户行为自动预测的工具。其中提供了快速变量选取,变量交互建模以及变量变换或者最佳模型选取等功能。运用 ABM 时不需要编程技巧,也不需要构建模型所需要的高级统计知识。该工具可以利用几分钟的时间来预测某个客户会不会流失,会不会购买某款商品等等。


Algorithmia (https://algorithmia.com/) 为算法工程师提供了云平台,也为应用开发人员将算法融入应用中提供了云平台。其中涵盖的任务包括了文本分析,计算机视觉,机器学习等。


algorithms.io (http://www.algorithms.io/) 为收集数据,分类问题提供了云服务。其中包含的算法有随机森林、支持向量机、K-means、决策树、逻辑回归以及神经网络等算法。这些算法可以分为异常检测、聚类、分类以及协同过滤等。algorithms.io 还为开发人员提供了一系列API方便集成到网页和移动应用中。


亚马逊机器学习 (Amazon Machine Learning) 为开发人员提供了云服务,各个level的开发人员在这个平台中都可以利用机器学习技术。Amazon Machine Learning 提供了可视化工具和向导,用来引导用户创建机器学习模型,而且创建过程中不需要学习复杂的机器学习算法和技术。一旦模型准备好了,Amazon Machine Learning 利用简单的API进行预测。


亚马逊机器学习云服务主要具有以下特点:

轻松创建机器学习模型

Amazon Machine Learning API 和向导能够帮助开发人员轻松地利用 Amazon Simple Storage Service (Amazon S3) 中存储的数据、Amazon Redshift  或  Amazon Relational Database Service (Amazon RDS) 中的 MySQL 数据库,创建并微调机器学习模型。


得到预测结果只要数秒

Amazon Machine Learning 提供了端到端模型创建、部署和监控的托管服务。



BigML (https://bigml.com   API:https://bigml.com/api) 是一个机器学习平台,它具有简单易用的图形界面。该平台包含有监督学习、无监督学习、异常检测以及数据可视化工具等。


DataRobot (https://www.datarobot.com/) 提供了云上的机器学习服务。该平台可以自动搜索最好的特征,选择最合适的算法,测试模型,并且提供了模型部署的API。该平台支持文本挖掘,变量类型检测,编码,缩放,转换以及自动特征工程等。


FICO (http://www.ficoanalyticcloud.com/) 分析云包含了机器学习,统计,优化以及商业规则管理等功能。


Google Prediction API (https://cloud.google.com/prediction/) 可以集成到App 引擎中,并且对多种语言开放了RESTful API库,比如Python, JavaScript 和.NET等语言。预测API提供了模式匹配和机器学习等功能。


HPE Haven OnDemand 提供了60多个API和服务,将深度学习用于对文本,声频,图像,社交,网页和视频等类型的数据。


IBM’s Watson Analytics (https://www.ibm.com/analytics/watson-analytics/us-en/) 提供了预测性分析,数据可视化功能以及对话式界面。


Azure ML (https://azure.microsoft.com/en-us/services/machine-learning/)

是微软在Azure上推出的一项机器学习服务,这款服务的目的在于将机器学习动与云计算简单结合。其中包含了导入数据、数据预处理、将数据分离用于训练模型和验证模型、选择算法训练模型以及评估模型的效果。无需编程,完全通过拖拽和配置完成。


PurePredictive (http://www.purepredictive.com/) 利用人工智能来自动化机器学习过程。该平台可以自动发现数据转换和数据特征中的高阶关系。


最后对机器学习即服务提几点设想。

首先,用户可以选择数据源,比如源数据可以来自数据库,也可以来自文件。


然后,用户可以选择一些特征预处理或特征工程方法对原始数据加工处理,使得用户可以自定义输入到模型中的数据,同时用户也可以选择一些统计方法查看数据的分布情况。


接下来,用户可以选择某个模型,或者选择几个模型加以融合,当然,模型融合时融合策略也需要用户选择,并且用户可以设置模型参数。


最后,用户可以查看模型效果,也可以继续调节参数来改善模型的效果。



版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《机器学习即服务》的版权归原作者「机器学习blog」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注机器学习blog微信公众号

机器学习blog微信公众号:mlanddlanddm

机器学习blog

手机扫描上方二维码即可关注机器学习blog微信公众号

机器学习blog最新文章

精品公众号随机推荐

上一篇 >>

Netty笔记(一)