【AI】微软人工智能学习笔记（二）

微软Azure机器学习服务

01|机器学习概述

首先上一张图， 这个图里面的大神是谁我也不清楚反正，但是看起来这句话说得很有哲理就贴出来了。

所以在人工智能领域下面的这个机器学习，到底是一个什么样的概念？

机器学习面对的对象是海量数据，使用的工具是计算机，通过计算机的计算资源，去运行一些机器学习的算法， 发掘海量数据背后的规律， 从而预测未来的行为和趋势。

那么机器学习和传统的数据分析有何区别？

传统的数据分析是人显示的去输入计算公式，让计算机机械化的通过这些公式去分析数据的特征和规律。数据学习是机器通过机器学习的算法自动的发现数据背后的获取规律吗，反过来提供给使用者一些反馈。前者是人已经知道一定的规律，指导机器去做一些计算类的工作，后者是机器智能的自动的发现数据后的规律。

下面是教程中的一个例子：

计算机会根据机器学习算法将 推算出数据背后的一个规律：“什么样的人什么样的地点多大年龄的人的消费在多少百分比的程度上会是一个欺诈行为”

02|微软机器学习概述

通过这个网址访问 Azure Machine Learning Studio.机器学习的门户,在这里

1. 所有的底层环境都是由微软的云维护的, 无需安装硬件或者软件,即可开始开发.

2. 并且底层是支持分布式计算的.

3. 模块与模块之间通过连线串行或者并行的方式操作工作流的算法,帮助用户快速的用已有的预装的机器学习算法或者数据处理模块将算法搭建起来. 有分类预测的模块,推荐算法,数据分割等等, 也可以用自有的脚本来扩展算法的灵活性

4. 最后整个算法模型训练完成之后, 可以发布成为一个web api.使得调用api的client可以完成相关的数据操作.

azure ml studio 可以对接的数据源有很多, 如下图里面所示

03|Demo1

demo我自己在MLstudio上已经做了一个了，主要是熟悉一下机器学习的流程：

ML studio中给提供的功能如下

1. 首先进行数据获取

2. 对获取的数据进行可视化的观察归纳

3. 对数据进行一些预处理

4. 提供了一些算法， 比如异常检测算法，分类数据的算法，聚类算法将数据按照某些规律聚类，推荐算法基于贝叶斯的算法，用于推荐相似产品相关用户等等， 预测算法可以用于预测等其他的传统的统计，抽取等等

机器学习示例场景: