云机器学习服务精彩回顾

　　Amazon，Microsoft，Databricks，Google，HPE和IBM的机器学习工具在广度、深度及易用性上都具备优势。

　　图源：Shutterstock

　　机器学习具有多种形式，其中最纯粹的一种可以为分析师提供一组数据探索工具、ML模型选择、稳健的解决方案以及将此方案用于预测的使用方法。

　　Amazon，Microsoft，Databricks，Google和IBM的云服务都提供预测API，来进行多重管控。HPE Haven OnDemand还提供了一个有限的预测API，用于解决二元分类问题。

　　然而，并不是所有的机器学习问题都必须从头开始解决。有些问题可以用在一个足够大的样本中，通过训练使其广泛适用。例如，“canned”方案就能够有效解决语音识别、语音合成、文本分析及人脸识别中存在的问题。不用惊奇，许多云机器学习提供商都会利用一个API，让开发者在应用程序内能实现这些功能。

　　这些功能可以识别美式英语口语（和其他一些语言）并将其转录。但对于给定的说话者而言，给定的服务能否奏效将取决于他的方言和口音，以及该服务在类似方言和口音上的受训程度。Microsoft Azure，IBM，Google和Haven On Demand都启动了语音识别服务。

　　机器学习也存在多种问题。例如，回归问题试图从观察结果中预测一个连续变量（例如销售情况），分类问题试图通过一组给定的观测值预测种类（例如垃圾邮件）。但是仍然有一些相对完整的工具包，像Amazon，Microsoft，Databricks，Google，HPE和IBM所提供的工具，就可以用来解决一系列的机器学习问题。

　　本文将简要地介绍六个商业机器学习方案，还会贴出五个完整实验结果。不幸的是，Google三月份所宣布的——基于云计算的机器学习工具和应用程序，还没能使Google Cloud Machine Learning达到公共可用的程度。

　　Amazon Machine Learning

　　Amazon一直致力于研究大众化的机器学习平台，用来服务那些熟悉业务问题的分析人员，无论他们是否理解数据科学或机器学习算法。

　　一般来说，要使用Amazon Machine Learning需要经过三个步骤：首先，在S3中清理和上传CSV格式数据；然后，创建、训练和评估ML模型；最后，创建批处理或实时预测。每一步都是迭代的，在整个过程中也同样如此。所以机器学习并不是一个简单、静态的万能药，即使Amazon已经实现了算法优选。

　　Amazon Machine Learning支持三种模型：二元分类、多级分类和回归——一个算法适用一种类型。为了优化，Amazon Machine Learning使用SGD（Stochastic Gradient Descent），将多个连续的训练数据进行传递，并更新功能权重使之成为小批量格式，让损失函数最小化。损失函数反映了实际值和预测值之间的区别，而且梯度下降优化方法只适用于连续、可微的损失函数，例如物流损失函数和平方损失函数。

　　Amazon Machine Learning将逻辑回归（物流损失函数+SGD）用于二元分类。

　　Amazon Machine Learning将多项逻辑回归（多项物流损失函数+SGD）用于多级分类。

　　Amazon Machine Learning将线性回归（平方损失函数+SGD）用于回归。

　　在使用Amazon Machine Learning训练和评估二元分类模型后，可以选择分数阈值来实现想要的错误率。这里在默认0.5的阈值上有所增加，就可以生成一套更强的引线，有利于更快达到营销和销售目的。

　　Amazon Machine Learning决定了机器学习是任务解决型而不是目标数据型。例如，预测数值目标变量的问题，意味着回归；预测非数字目标变量的问题时，如果只有两个目标就是二元分类，如果有两个以上则是多级分类。