云機(jī)器學(xué)習(xí)服務(wù)精彩回顧

　　Amazon，Microsoft，Databricks，Google，HPE和IBM的機(jī)器學(xué)習(xí)工具在廣度、深度及易用性上都具備優(yōu)勢。

　　圖源：Shutterstock

　　機(jī)器學(xué)習(xí)具有多種形式，其中最純粹的一種可以為分析師提供一組數(shù)據(jù)探索工具、ML模型選擇、穩(wěn)健的解決方案以及將此方案用于預(yù)測的使用方法。

　　Amazon，Microsoft，Databricks，Google和IBM的云服務(wù)都提供預(yù)測API，來進(jìn)行多重管控。HPE Haven OnDemand還提供了一個(gè)有限的預(yù)測API，用于解決二元分類問題。

　　然而，并不是所有的機(jī)器學(xué)習(xí)問題都必須從頭開始解決。有些問題可以用在一個(gè)足夠大的樣本中，通過訓(xùn)練使其廣泛適用。例如，“canned”方案就能夠有效解決語音識別、語音合成、文本分析及人臉識別中存在的問題。不用驚奇，許多云機(jī)器學(xué)習(xí)提供商都會利用一個(gè)API，讓開發(fā)者在應(yīng)用程序內(nèi)能實(shí)現(xiàn)這些功能。

　　這些功能可以識別美式英語口語（和其他一些語言）并將其轉(zhuǎn)錄。但對于給定的說話者而言，給定的服務(wù)能否奏效將取決于他的方言和口音，以及該服務(wù)在類似方言和口音上的受訓(xùn)程度。Microsoft Azure，IBM，Google和Haven On Demand都啟動(dòng)了語音識別服務(wù)。

　　機(jī)器學(xué)習(xí)也存在多種問題。例如，回歸問題試圖從觀察結(jié)果中預(yù)測一個(gè)連續(xù)變量（例如銷售情況），分類問題試圖通過一組給定的觀測值預(yù)測種類（例如垃圾郵件）。但是仍然有一些相對完整的工具包，像Amazon，Microsoft，Databricks，Google，HPE和IBM所提供的工具，就可以用來解決一系列的機(jī)器學(xué)習(xí)問題。

　　本文將簡要地介紹六個(gè)商業(yè)機(jī)器學(xué)習(xí)方案，還會貼出五個(gè)完整實(shí)驗(yàn)結(jié)果。不幸的是，Google三月份所宣布的——基于云計(jì)算的機(jī)器學(xué)習(xí)工具和應(yīng)用程序，還沒能使Google Cloud Machine Learning達(dá)到公共可用的程度。

　　Amazon Machine Learning

　　Amazon一直致力于研究大眾化的機(jī)器學(xué)習(xí)平臺，用來服務(wù)那些熟悉業(yè)務(wù)問題的分析人員，無論他們是否理解數(shù)據(jù)科學(xué)或機(jī)器學(xué)習(xí)算法。

　　一般來說，要使用Amazon Machine Learning需要經(jīng)過三個(gè)步驟：首先，在S3中清理和上傳CSV格式數(shù)據(jù)；然后，創(chuàng)建、訓(xùn)練和評估ML模型；最后，創(chuàng)建批處理或?qū)崟r(shí)預(yù)測。每一步都是迭代的，在整個(gè)過程中也同樣如此。所以機(jī)器學(xué)習(xí)并不是一個(gè)簡單、靜態(tài)的萬能藥，即使Amazon已經(jīng)實(shí)現(xiàn)了算法優(yōu)選。

　　Amazon Machine Learning支持三種模型：二元分類、多級分類和回歸——一個(gè)算法適用一種類型。為了優(yōu)化，Amazon Machine Learning使用SGD（Stochastic Gradient Descent），將多個(gè)連續(xù)的訓(xùn)練數(shù)據(jù)進(jìn)行傳遞，并更新功能權(quán)重使之成為小批量格式，讓損失函數(shù)最小化。損失函數(shù)反映了實(shí)際值和預(yù)測值之間的區(qū)別，而且梯度下降優(yōu)化方法只適用于連續(xù)、可微的損失函數(shù)，例如物流損失函數(shù)和平方損失函數(shù)。

　　Amazon Machine Learning將邏輯回歸（物流損失函數(shù)+SGD）用于二元分類。

　　Amazon Machine Learning將多項(xiàng)邏輯回歸（多項(xiàng)物流損失函數(shù)+SGD）用于多級分類。

　　Amazon Machine Learning將線性回歸（平方損失函數(shù)+SGD）用于回歸。

　　在使用Amazon Machine Learning訓(xùn)練和評估二元分類模型后，可以選擇分?jǐn)?shù)閾值來實(shí)現(xiàn)想要的錯(cuò)誤率。這里在默認(rèn)0.5的閾值上有所增加，就可以生成一套更強(qiáng)的引線，有利于更快達(dá)到營銷和銷售目的。

　　Amazon Machine Learning決定了機(jī)器學(xué)習(xí)是任務(wù)解決型而不是目標(biāo)數(shù)據(jù)型。例如，預(yù)測數(shù)值目標(biāo)變量的問題，意味著回歸；預(yù)測非數(shù)字目標(biāo)變量的問題時(shí)，如果只有兩個(gè)目標(biāo)就是二元分類，如果有兩個(gè)以上則是多級分類。