隨着大數據日新月異的飛速發展，機器學習也變的越來越性感。雲和大數據是天生的一對，那麼雲上的機器學習又是什麼樣呢？我們今天就來看看幾個基於雲的機器學習平臺：亞馬遜，微軟和bigml
亞馬遜機器學習
我們先來看看雲的領軍人物亞馬遜的機器學習平臺 Amazon Machine Learning
首先，要是用亞馬遜的機器學習，你需要有一個AWS的賬號（廢話）。在Analytics服務區域你會找到他的位置：
Machine Learning是AWS的一個相對比較新的功能，所以當前只有EU（愛爾蘭）和美西（弗吉尼亞）兩個domain支持。
選擇Launch啓動機器學習，首先需要一個數據源。創建一個數據源分幾步：
-
輸入數據 input data
輸入的數據源可以來自：用戶可以使用S3上的一個csv文件或者來自Amazon Redshift數據庫
![]()
這裏，我在我的S3上放了一個Iris的dataset，Verify後，數據就準備好了。
⚠ Iris Dataset 可能是最著名的數據集 （參見wikipedia的介紹），該數據集包含了三種鳶尾屬植物（什麼鬼？）的50個樣本，該數據包涵植物的花瓣的萼片的長度和寬度的統計。
-
數據模式 schema
在schema這一步，選擇CSV包含name column， （Does the first line in your CSV contain the column names? -> Yes） 結果如下：
![]()
-
目標 Target
在Target這一步，選擇一個要預測的目標。
如果選擇了Species，AWS會選擇創建一個分類模型 （multinomial logistic regression）
![]()
如果選擇了長度或者寬度屬性，AWS會選擇創建一個迴歸模型 （線性迴歸）
![]()
-
Rowid
這一步用戶可以選擇一個rowid
-
review
review所有的數據源選項後，數據源就創建成功了
數據源創建成功後，可以對模型做一些設置。
這裏可以選擇缺省的設置。
設置好模型後，AWS會對該模型進行評估（evaluation），需要等一段時間看到結果。
我們不需要等待評估的結果，直接來進行預測。
爲了省事，我們直接使用原始的Iris數據集進行預測（本文的目的只是爲了感受在雲上的機器學習，並非解決實際問題）
選擇Batch Prediction
選擇我們剛剛創建的模型：
選擇Iris數據集來進行預測
選擇一個S3bucket的路徑作爲預測結果的存放，注意，確保機器學習的服務有對該目錄的寫權限。
注意，模型的創建是不收費的，但是預測是收費，這裏AWS提示每1000個預測收費0.1美元。
review後沒有問題，就開始預測了。
在Dashboard裏面可以查看預測的狀態，如果是completed表示預測完成。我們去S3裏面看看預測的結果如何。
在S3裏面我們看到我們之前指定的Bucket裏面多了一個batch-prediction的目錄，該目錄的result目錄下就是預測的結果。我們下載下來看看：
預測的結果是一個文本格式的CSV文件，包含了對每一種結果的預測概率。例如對於第一行的數據，實際是一個setosa，而模型預測是setosa的概率是99.99%。 好像還不錯！
好了，現在我們經歷了AWS 機器學習 創建數據源 －》 建立模型 －》 對指定89數據集做預測的過程，貌似還不錯。
微軟Azure機器學習平臺
如果說AWS是雲行業的number one的話，那麼微軟的Azure的第二名的位子應該也是穩定的很。當然，微軟可不甘心屈居第二，至少在機器學習上，Azure讓我們眼前一亮。（ Microsoft Azure Machine Learning ）
我們試試在Azure上完成同樣的測試吧。
首先，你並不需要有一個Azure的賬號，可以使用微軟賬號或者匿名試用，真是太貼心了。
登陸後的界面是這個樣子，還好了，不算好看，也不算難看。
Azure ML的主要功能菜單有：
-
Experiments （實驗）
-
Web Service （WEB服務）
-
NOTEBOOK （IPython Notebook， 這個功能很贊）
-
Datasets （數據集）
-
Trained Models （已訓練的模型）
-
SETTING （設置）
我們來試驗一下同樣的對Iris數據集的分類預測，是如何在Azure平臺上進行的。
首先還是創建數據源，Azure提供四種數據源，上傳本地文件，來自另一個模塊（MODULE），來自一個實驗（EXPERIMENT）或者一個Notebook。
我們還是上傳本地的Iris的CSV文件，上傳好後，我們選擇一個實驗。
選擇實驗（Experiment）菜單，該功能頁面有兩個Tab頁，我的實驗和樣例，這裏微軟很貼心的準備了許多的例子供你參考。
我們選擇創建一個空的實驗
你會看到以下的界面：
這裏Azure使用了基於流程圖的編程（Flow Based Programming）概念來創建一個實驗。可以把機器學習的過程，直觀的用流程圖的表示和創建，非常的方便。爲了做一個基於Iris數據集的預測模型，我們需要創建如下的一個流程。
注意，在連接數據集到Train Model之後，需要在右側的UI中選擇一個要作爲預測目標的列，launch column selector。在這個例子中，我們還是選擇Species作爲預測目標。
模型建立好後可以保存下來供以後使用。
下面我們開始做預測，我找了半天才找到做預測的模塊。名字叫Score Model
加入預測功能後的流程路如下：
點擊下方的運行按鈕就可以開始預測的計算了。
預測完成後，右鍵點擊Score Model模塊，可以直接以可視化的形式查看結果數據集 （點擊Visualize），這個功能非常方便。
預測的可視化結果如下圖：
預測的分類結果是Scored Labels。同時用戶還可以方便的基於該預測結果的數據集生成不同的圖表：
Azure的Machine Learning 平臺提供了大量的模塊功能，用戶可以用Flow的形式把這些模塊連接成一個計算網絡，實現複雜的機器學習的功能。除了機器學習，這裏列出其中的一些其它的功能：
-
R／Python 可以直接調用Python和R的模塊
-
圖像處理 Open CV
-
文本處理
-
統計功能
-
數據變形 Data Transform
-
Web Service API
Azure的機器學習平臺提供非常豐富的機器學習的算法，並且支持R和Python的調用，非常適合數據科學家和程序員使用。而且，免費賬戶的功能也非常的powerful。堪稱業內良心。
BigML
BigML 是提供基於雲的機器學習平臺， 目標是讓機器學習更容易使用。
同樣的我們試用一下如何在BigML上對Iris數據集做預測。
登陸後，先進入Dashboard
創建一個數據源，Sources，選擇上傳CSV文件，上傳好了之後，點擊數據源，顯示如下：
點擊Configure Dataset，將數據源轉換成Dataset
下一步創建模型，BigML提供了很方便的模型創建功能：
我們選擇創建一個模型
BigML會自動選擇Species作爲預測目標。點擊創建模型，注意創建之前，我們需要deselect rowid，因爲rowid與預測無關。
創建好的模型是一個Tree結構分類模型，可以看到每一條預測路徑的信息：
下面我們就可以用這個模型來做預測了：
點擊Predict菜單項，看到如下的預測界面。
這裏很奇怪的是，我明明有四個變量，Tree Model裏也可以看到，爲什麼預測的時候，只能使用其中三個？好了，不關注這些細節，用鼠標滑動改變每一個變量的值，就可以直觀的看到預測的結果。這個界面我給100分！
使用下來，BigML確實比較容易使用，用戶體驗也不錯，值得擁有。
其它
除了這幾家之外，還有其他的一些廠商也提供了在雲上的機器學習，包括Databricks，Google，百度，IBM
Databricks
Databricks這個名字很多人可能不太清楚，然而如果我說Spark，相信大家都是如雷貫耳，2015年大數據領域最火的技術就是Spark了，沒有之一。
Databricks是Spark開發者創辦的公司，提供一個基於Spark的數據雲平臺，
因爲使用需要信用卡綁定，筆者還沒有對該產品進行評估。
Google Prediction API
Googl的Prediction API可能是最早的在提供的雲上的機器學習功能了。它提供了一些場景下的預測功能，包括情感分析，垃圾郵件檢測，推薦系統等等。不過和其他雲平臺比較起來，總覺得google的雲用着不那麼爽。試用賬戶還要綁定信用卡，我也沒有對該產品進行評估。
百度預測
百度基本上是Google有什麼都要來抄一個的，所以如果存在一個Baidu Prediction API，我相信大家不會感覺奇怪。果然，百度有一個百度預測。不過百度預測並不是一個通用的機器學習的平臺，只能做特定領域的，特定數據集的預測。
其中百度的預測開放平臺可以對時間序列的數據進行預測，例如股票（發財了）。
阿里雲數加 機器學習
阿里在去年10月高調發布他的數加平臺，掌聲不斷。
阿里雲的機器學習正處於公測階段。https://data.aliyun.com/product/learn?spm=a2c0j.7906235.devenv.2.7rWRRt
大家有興趣也可以去試用。閱讀了他的快速開始文檔後，我的內心久久的不能平靜，不抄就不會做產品了麼。和Azure ML studio 相似度 76.35%。
阿里機器學習的項目名稱也叫實驗，太專業了，完全保留了Azure的命名風格！
騰訊雲
騰訊作爲國內體量最大的互聯網公司，在雲這一塊自然不能落後。
騰訊雲也有自己的機器學習 TML。
這裏是他的幫助文檔
同樣採用了流程圖的方式，開來也許我們錯怪了阿里，用流程圖來建模是機器學習的標準，微軟只是運氣好，帥先實現了該標準而已。
IBM Bluemix
IBM近年來在雲上的投入非常大，新的Bluemix也提供了非常多的功能呢，其中Watson模塊提供了一部分機器學習的功能，但這些功能更多是實現一個更接近用戶的功能，比較多的是自然語言處理相關的功能。
除了以上這些廠商，還有其他的幾個玩家，我就不一一介紹了，有興趣的可以自己去看：
比較和總結
這裏我們對幾個主要的通用機器學習平臺最一個比較和總結：
| AWS Machine Learning | Azure Machine Learning | BigML | |
| 數據源格式 | CSV， Redshift | CSV | CSV，Gziped CSV |
| 數據源存儲 | S3 | upload from local | S3，Google Storage， Google Drive， Azure， Drop Box |
| 數據準備和變形 | 使用Data Recipes進行數據變形 | 使用特定的Transformation模塊或者Python／R編程來進行數據變形 | 只支持簡單的數據變形，例如增加字段，過濾等。 |
| 特徵提取 | 沒有 | 支持 | 沒有 |
| 機器學習算法 | 提供基本的分類，迴歸算法，用戶可控部分較少 | 有非常豐富的算法涵蓋分類，迴歸，聚類，異常檢測。 | 提供基本的分類，聚類，異常檢測的功能，用戶可選擇的部分較少 |
| 其它功能 | 圖像處理，統計，文本分析 | ||
| 編程擴展 | 不支持 | Python／R | 不支持 |
| 可視化功能 | 基本沒有 | 可以靈活的對計算過程中的數據進行可視化的展現和分析 | 以圖（大部分是樹行圖）的形式展現模型 |
| API／SDK | Rest API和不同語言的綁定 | Web Service | Rest API以及各種主要語言的綁定（Python，Java，Nodejs，etc） |
| 價格 | 基於預測的次數收費，0.1$／1000次預測 | 免費用戶有10G的是試用空間，真心贊。 標準版每月10$ | 免費用戶有16M空間 |
除了這幾個通用的機器學習的平臺，另外幾個雲上的機器學習也各有特點。Google Prediction API，百度預測，IBM Watson幾個產品也都提供了特定場景下的的機器學習或者預測的功能，如果有這一類的需求，也可以使用。對於Databricks以爲沒有試用，瞭解不多，希望以後能有機會試用。
如果你是一個程序員或者數據科學家，我覺得Azure的Machine Learning Studio是你不二的選擇。他提供了大量的基礎算法，並且支持R/Pyhon的擴展。
如果你對機器學習瞭解不多，希望快速的對已有的數據進行預測，我推薦AWS或者BigML。
如果你是有特定場景的預測要求，可以考慮Google Prediction API，百度預測或者IBM的Watson。
相關鏈接
http://www.zdnet.com/article/cloud-machine-learning-wars-heat-up/