降低机器学习门槛的六大工具

学习的民主化进程正在加速，标志之一就是AutoML最近成了热门词汇，所谓AutoML就是给机器学习算法增加了一个自动化的meta层。过去，机器学习算法的复杂之处在于需要进行大量选项和参数设置来“微调”，而数据科学家们的精力80-99%都花在这上面。AutoML能够自动测试并调优大量参数，不但大大降低算法使用门槛，也加快了算法调优过程。

AutoML是云计算的天作之合，因为在云端AutoML可以调用足够的机器算力来并行处理并返回结果，同时，AutoML也非常适合机器学习的新手循序渐进自行探索机器学习应用。

6种工具让机器学习不再难

以下介绍的六种机器学习工具为那些使用数字、电子表格和数据的人们打开了通向机器学习世界的大门，而且不需要他们成为编程和数据科学方面的专家。

1. Splunk的

Splunk最初是作为一种搜索工具，对Web应用程序创建的大量日志文件进行搜索(或“窥探”)。如今它已经发展成为能够分析所有形式数据的工具，特别是时间序列和其他按顺序生成的数据。Splunk能够将将数据分析结果显示在一个复杂的可视化仪表板中。

最新的Splunk版本包括将数据源与TensorFlow等机器学习工具和一些优秀Python开源工具集成的应用程序。它们提供快速解决方案，用于检测异常值，标记异常并生成对未来值的预测。它们经过优化，可以在非常大的数据集中海底捞针。

2. DataRobot

DataRobot内部的堆栈是一些用R、Python或其他几个平台编写的好用的开源机器库的集合。DataRobot有一个Web界面，显示用于设置管道的类似流程图的工具。DataRobot连接到所有主要数据源，包括本地数据库，云数据存储和下载的文件或电子表格。您构建的管道可以清理数据，填充缺失值，然后生成标记异常值并预测未来值的模型。

DataRobot还可以尝试提供关于为什么进行某些预测的“人性化解释”，这是了解AI如何工作的有用功能。

它可以部署在云和本地解决方案的混合方案中。云端实施可以通过共享资源提供最大的并行性和吞吐量，而本地安装提供更多的隐私和控制。

3. H2O

H2O对自己的定位是“无人驾驶AI”，这个自动化堆栈可以用来探索各种机器学习解决方案。它将数据源(数据库，Hadoop，Spark等)连接在一起，并将它们提供给具有各种参数的各种算法。您可以控制分配给特定任务的时间量和计算资源，并在预算内测试各种参数组合。你也可以通过仪表板或Jupyter笔记本来探索和审核结果。

H2O的核心机器学习算法以及与Spark等工具的集成是开源的，但所谓的“无人驾驶”选项是销售给企业客户的专有软件包之一，提供技术支持。

（编辑：淮安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!