阿里云机器学习PAI介绍
Summer
久石譲 - 「菊次郎の夏」 オリジナル・サウンドトラック
机器学习大致可以分三类：
有监督学习：指每个样本都有对应的期望值，通过模型搭建，完成从输入的特征向量到目标值的映射，典型的例子是回归和分类问题，例如：逻辑回归、随机森林、决策树。
无监督学习：指在所有的样本中没有任何目标值，期望从数据本身发现一些潜在的规律，例如一些简单的聚类K-means、DBSCAN等。
增强学习：相对来说比较复杂，是指一个系统和外界环境不断交互，获得外界反馈，然后决定自身的行为，达到长期目标的最优化。其中典型的案例就是Alpha Go围棋，或者无人驾驶。
广告
机器学习
作者：周志华
当当
阿里云机器学习平台是构建在阿里云是构建在阿里云Maxcompute计算平台之上，集数据处理，建模，离线预测，在线预测为一体的机器学习平台。阿里云机器学习封装了阿里巴巴集团内成熟的算法，向机器学习用户提供了更简易的操作体验。
该智能平台主要分为三层：
第一层：web UI界层；
第二层：机器学习算法层；
第三层：Maxcompute平台层。
Web UI界面主要由下区域组成：
主要功能区：展示了个各组件名称
画布区：使用者可以用鼠标相应的组件拖拉到画布上，形成一个有向的工作流，完成从数据到数据处理，再到建模等一系列的数据挖掘工作。
属性区：该区域可以设置组建内参数的信息。
阿里云机器学习的基础架构：
基础设施层：CPU计算集群
计算框架层：包括MaxReduce，SQL，MPI等计算方式，分布式计算框架主要执行并行化计算分发任务。
机器学习PAI的优点：1.算法丰富 2.深度学习（GPU） 3.可视化操作界面
4.一站式服务
同时，PAI的深度学习支持算法框架：1.Tensorflow 2.Caffe 3.MXNet
在机器学习平台上完成以下基本任务：
开通机器学习服务
数据准备
数据预处理
数据可视化
算法建模
模型评估
其中数据准备阶段，机器学习平台底层支持两种数据源，一种是MaxCompute存储数据，另一种是OSS存储数据。
注意：使用MaxCompute作为存储，建议当数据小于20MB时使用机器学习IDE环境上传，当数据大于20MB时使用命令行工具上传。
开通机器学习PAI，并且创建项目，开通时注意自己选择的地域。
2.数据准备，进入机器学习平台，单击数据源，创建表。
IDE端上传数据到Maxcompute
OSS上传数据创建新空白数据
- 数据准备完成后，单击组件，在工具和数据预处理文件夹下将SQL脚本、类型转换、归一化组件拖到画布中，并拼接成如下实验。
- 数据可视化
- 在机器学习->二分类文件夹下，将逻辑回归二分类组件拖入画布。
在右侧的字段设置页签，将目标列设置为ifhealth，训练特征列选择除目标列以外的全部列，并拼接运行，如下图所示。
6.模型评估
在机器学习->评估文件夹下，将二分类评估组件拖入画布。在画布右侧的字段设置页签，将原始标签列列名设置为ifhealth，并连接对应的组件流和数据流。
单击运行。完成后右键单击二分类评估组件，选择查看评估报告，单击图表页签，得到不同参数下训练的LR模型的ROC曲线，如下图所示。
喜欢记得来一个
“哪吒头”—玩转小潮流
标签：画布,机器,学习,阿里,组件,PAI,数据 来源： https://blog.51cto.com/14993422/2548627
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。