微软作为PC时代的王者,自从云计算兴起后就一直落后在亚马逊和google之后,Azure的影响力也远不及AWS,而且价格不菲,异常中断时间高于业界也常被人诟病,所以对Azure一直不太感冒,但近期做IOT方面的工作,从起初的单个解决方案到interoperability platform的设计,Machine Learning不得不提上日程,然后偶然发现Azure在14年下半年推出了ML Service,体验一番,确实继承了微软一贯的作风,虽只是针对研究分析师,而非普通受众的服务,一样简单易用,容易上手,模块一样可以拖拉拽 拷贝 粘帖
更多使用的细节可参看官方网站
http://azure.microsoft.com/en-us/documentation/articles/machine-learning-walkthrough-1-create-ml-workspace/
使用两个模型Two-Class Boosted Decision Tree 跟Two-Class Support Vector Machine,比较最后的结果,决定使用哪一个
注意Two-Class Support Vector Machine要加Normalize Data也就是以前的Transform Data by Scaling 做数据的归一化
用于test 的数据也用于Two-Class Support Vector Machine方法score结果也要Normalized
将学习验证后的Train Module做成Trained Module,用于实际应用,其余不相关的模块可以删除。
如果认为微软的这款服务是SAAS应用,那在大数据分析以及IOT方面都将有很大的用武之地,当然这些还离不了更多Train module的加入和补充