Azure 云中的机器学习简介

什么是机器学习？

机器学习是一项数据科研技术，可以让计算机根据现有的数据来预测将来的行为、结果和趋势。 使用机器学习，计算机可以在不需显式编程的情况下进行学习。

可将机器学习视为人工智能 (AI) 的子类别。 机器学习的预测可让应用和设备变得更聪明。 在网上购物时，机器学习可根据购买的产品帮助推荐其他产品。 刷信用卡时，机器学习可将这笔交易与交易数据库进行比较，帮助检测诈骗。 当吸尘器机器人打扫房间时，机器学习可帮助它确定作业是否已完成。

有关简短概述，请观看 Data Science for Beginners（适合初学者的数据科研）系列视频。 “Data Science for Beginners”（适合初学者的数据科学）介绍了机器学习，并逐步讲解了一个简单的预测模型，整篇文章未使用行语或数学理论。

什么是 Microsoft Azure 云中的机器学习？

Azure 机器学习是一种云预测分析服务，使用它可以快速创建预测模型，并将其部署为分析解决方案。

可以从现成可用的算法库开始工作，在连接 Internet 的电脑上使用它们创建模型和快速部署预测解决方案。 可以从 Cortana Intelligence 库中的现成示例和解决方案着手。

Azure 机器学习不仅提供预测分析建模工具，还提供完全托管的服务，可以通过此服务将预测模型部署为随时可用的 Web 服务。

什么是预测分析？

预测分析使用称为算法的数学公式分析以往或当前的数据，找到模式或趋势，以便预测将来的事件。

用于在云中构建完整的机器学习解决方案的工具

Azure 机器学习具有在云中创建完整的预测分析解决方案所需的一切功能，从大型算法库、用于构建模型的工作室，到可将模型部署为 Web 服务的简单方法。 快速创建、测试、实施和管理预测模型。

机器学习工作室：创建预测模型

在 机器学习工作室中，可以通过拖放和连接模块快速创建预测模型。 可以试验不同的组合，并且这种试验都是免费的。

• 在 Cortana Intelligence 库中，可以尝试其他人编写的分析解决方案，或者提供自己的解决方案。 在社区发表关于试验的问题或看法，或者通过 LinkedIn 和 Twitter 等社交网络分享试验的链接。

  

• 在机器学习工作室中使用 机器学习算法和模块 大型库立即开始创建预测模型。 从示例试验、R 和 Python 包，以及 Xbox 和 Bing 等 Microsoft 业务的一流算法中选择。 使用自定义的 R 和 Python 脚本扩展工作室模块。

  

通过发布自己的解决方案实施预测分析解决方案

以下教程说明了如何实施预测分析模型：

• 部署 Web 服务
• 通过 API 重新训练模型
• 管理 Web 服务终结点
• 缩放 Web 服务
• 使用 Web 服务

机器学习的重要术语和概念

机器学习的术语有点难懂。 下面提供了重要术语的定义。 可以使用下面的“意见”部分告诉我们还要阐释哪些术语。

数据探索、描述性分析和预测分析

数据探索 是收集大量的、通常是非结构化的数据集的相关信息，找到要重点分析的特征的过程。

数据挖掘 指自动化的数据探索。

描述性分析 是分析数据集以汇总事件的过程。 大多数商业分析（例如销售报表、Web 指标和社交网络分析）都具有描述性。

预测分析 是从历史数据或当前数据构建模型，以预测将来结果的过程。

监督式和非监督式学习

监督式学习 算法使用带有标签的数据（即，包含所需示例答案的数据）进行训练。 例如，识别信用卡盗用的模型，是通过包含已知诈骗收费和有效收费标记数据点的数据集训练的。 大多数机器学习都是监督式的。

非监督式学习 用于不带标签的数据，目标是查找数据中的关系。 例如，可以查找具有类似消费习惯的客户人口统计信息。

模型训练和评估

机器学习模型将尝试回答的问题或要预测的结果抽象化。 模型是通过现有数据训练和评估的。

训练数据

通过数据训练模型时，将使用已知数据集，基于数据特征进行模型调整，以求获得最准确的结果。 在 Azure 机器学习中，模型是通过处理训练数据和功能模块（例如评分模块）的算法模块构建的。

在监督式学习中，如果要训练诈骗检测模型，可以使用一组标记为诈骗或有效的交易。 随机拆分数据集，并使用一部分数据训练模型，使用另一部分测试或评估模型。

评估数据

训练模型后，使用剩余测试数据来评估模型。 使用已经知道结果的数据，判断模型的预测是否准确。

其他常见的机器学习术语

• 算法：通过数据处理、数学计算或自动推理来解决问题的一组独立规则。
• 异常检测：标记异常的事件或值，帮助发现问题的模型。 例如，信用卡诈骗检测可以查找异常的购买活动。
• 分类数据：按类别组织的、可分组的数据。 例如，汽车的分类数据集可以指定年份、制造商、车型和价格。
• 分类：根据类别分组已知的数据集，将数据点组织成不同类别的模型。
• 特征工程：提取或选择与数据集相关的特征，以便增强数据集并改善结果的过程。 例如，机票价格数据可通过星期几和假日来增强。 请参阅 Feature selection and engineering in Azure Machine Learning（Azure 机器学习中的特征选择和工程）。
• 模块：机器学习工作室模型中的功能组件，例如，用于输入和编辑小型数据集的“输入数据”模块。 算法也是机器学习工作室中的一种模块。
• 模型：监督式学习模型是机器学习试验的产物，其中包含训练数据、算法模块，以及功能模块（例如“评分模型”模块）。
• 数值数据：表示度量值（连续数据）或计数（离散数据）的数据。 也名为 量化数据。
• 分区：将数据拆分成多个样本的方法。 有关详细信息，请参阅 Partition and Sample （分区和采样）。
• 预测：预测是来自机器学习模型的一个或多个预测值。 有时称为“预测评分”。 但是，预测评分不是模型的最终输出。 评分之后还要评估模型。
• 回归：根据独立变量预测值的模型，例如根据汽车的年份和制造商预测汽车价格。
• 评分：使用机器学习工作室中的 “评分模型”模块 ，从训练分类或回归模型生成的预测值。 分类模型也返回预测值的机率评分。 从模型生成分数之后，即可使用 “评估模型”模块来评估模型的准确性。
• 样本：用于代表整体的一部分数据集。 可以随机采样，或根据数据集的具体特征采样。