数据科学中最好的5个机器学习API-低调大师

数据科学中最好的5个机器学习API

2017-07-02 615

机器学习作为大数据的前沿无疑是让人生畏的，因为只有技术极客和数据科学领域的专家才能驾驭机器学习算法和技术，对于大部分企业和组织而言，过去这一直都是一个遥不可及的事情。但是现在这种情况正在发生改变，正如标准的API简化了应用程序的开发一样，机器学习API也降低了这一领域的门槛，让越来越多的人和企业能够借助技术底蕴深厚的公司所提供的API试水机器学习。

机器学习API隐藏了创建和部署机器学习模型的复杂性，让开发者能够专注于数据挖掘和用户体验。同时，将机器学习商业化成云服务也是当今的趋势，IBM、Microsoft、Google、Amazon以及BigML等公司都为业务分析师和开发人员提供了自己的机器学习即服务(MLaaS)，最近Khushbu Shah在KDnuggets上发表了一篇文章，介绍了这5个公司的机器学习API。

IBM Watson

IBM Watson Developer Cloud于2013年十一月推出，它提供了一套完整的API，简化了数据准备的流程，让开发者能够更容易地运行预测分析。作为一个认知服务，IBM Watson API允许开发人员利用机器学习技术，如自然语言处理、计算机视觉以和预测功能，来构建更加智能的产品、服务或者应用程序，通过在应用中嵌入IBM Watson，开发者还能够更好地理解用户是如何与应用程序交互的。

IBM Watson是一个包含听、看、说以及理解等感知功能的扩展工具集，它提供的API超过了25个，涵盖了近50种技术，其中最主要的服务包括：

机器翻译——帮助翻译不同语言组合中的文本

消息共振——找出短语或单词在预定人群中的流行度

问答——为主文档来源触发的查询提供直接的答案

用户模型——根据给定的文本预测人们的社会特征

Microsoft Azure机器学习API

Microsoft Azure机器学习是一个用于处理海量数据并构建预测型应用程序的平台，该平台提供的功能有自然语言处理、推荐引擎、模式识别、计算机视觉以及预测建模等，为了迎合数据科学家的喜好，Microsoft Azure机器学习平台还增加了对Python的支持，用户能够直接将Python代码片段发布成API。借助于Microsoft Azure机器学习API，数据科学家能够更容易地构建预测模型并缩短开发周期，其主要特性包括：

支持创建自定义的、可配置的R模块，让数据分析师或者数据科学家能够使用自己的R语言代码来执行训练或预测任务

支持自定义的Python脚本，这些脚本可以使用SciPy、SciKit-Learn、NumPy以及Pandas等数据科学类库

支持PB级的数据训练，支持Spark和Hadoop大数据处理平台

Google预测API

Google预测API是一个云端机器学习和模式匹配工具，它能够从BigQuery和Google云存储上读取数据，能够处理销售机会分析、客户情感分析、客户流失分析、垃圾邮件检测、文档分类、购买率预测、推荐和智能路由等用户场景。使用Google预测API的用户不需要人工智能的知识，只需要有一些基础的编程背景即可。Google预测API支持众多的编程语言，比如 .NET、Go、Google Web Toolkit、JavaScript、Objective C、PHP、Python、Ruby和Apps Script，基本覆盖了主流的编程语言。

Amazon机器学习API

Amazon机器学习API让用户不需要大量的数据专家就能够实现模型构建、数据清洗和统计分析等工作，简化了预测的实现流程。虽然该API有一些UI界面或者算法上的限制，但是却是用户友好和向导驱动的，它为开发者提供了一些可视化工具，让相关API的使用更直观、也更清晰。

Amazon机器学习API支持的用户场景包括：

通过分析信号水平特征对歌曲进行题材分类

通过对智能设备加速传感器捕获的数据以及陀螺仪的信号进行分析识别用户的活动，是上楼、下楼、平躺、坐下还是站立不动

通过分析用户行为预测用户是否能够成为付费用户

分析网站活动记录，发现系统中的假用户、机器人以及垃圾邮件制造者

BigML

BigML是一个对用户友好、对开发者友好的机器学习API，该项目的动机是让预测分析对用户而言更简单也更容易理解。BigML API提供了3种重要的模式：命令行接口、Web接口和RESTful API，其支持的主要功能包括异常检测、聚类分析、决策树的SunBurst可视化以及文本分析等。

借助于BigML，用户能够通过创建一个描述性的模型来理解复杂数据中各个属性和预测属性之间的关系，能够根据过去的样本数据创建预测模型，能够在BigML平台上维护模型并在远程使用。

本文转自d1net（转载）

微信关注我们

原文链接：https://yq.aliyun.com/articles/139668

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

京津冀大数据走廊：张北风电光伏成亮点

一年多前，廊坊数据中心产业园从幕后走向台前，开启了京津冀协同发展大数据产业的闸门。如今，京冀大数据走廊上的另一重点区域张家口张北云计算产业园也浮出水面。昨日，北京市经信委、河北省工信厅相关负责人正式披露了张北云计算产业园的建设进展及相关规划，至此京冀大数据走廊的雏形初步形成。据介绍，张北产业园定位将是京津冀云存储的主基地，“十三五”时期北京已有4-5家企业确定将部分业务搬入园区，投资总额超百亿元。 “大数据”是一个近年才被人们熟知的新鲜词汇，而“躲”在它背后提供着关键性服务的云存储、数据中心产业，对大多数人来说更是一个陌生的领域。公开资料显示，这类行业主要业务是为各种企业提供大规模、高质量、专业化的服务器托管、空间租用、数据存储等业务的平台。而具体到张北园区，北京市经信委主任张伯旭透露，今后张北云计算产业园的定位将是京津冀云存储的主基地，并以此打造“中国数坝”的概念。据了解，目前，北京市内在用和北京市内发布产业禁限目录前在建的数据中心规模仅够北京的企业使用3-5年，因此，目前已有4-5家企业确定“十三五”期间将把新增数据库放在张北产业园内，投资规模将超过百亿元，以阿里巴巴数据中心为例...

2017-07-03

460

大数据技术的发展，为增进人类福祉提供了无限机会。在今年的全国两会上，政府工作报告中那句“实现部门间数据共享，让居民和企业少跑腿、好办事、不添堵”的话语，引起了国人的广泛共鸣。而在致力于打造“中国数谷”的贵阳，增进民生福祉被注入了大数据的新元素，令人憧憬。当前，我们正处于互联网、大数据和云计算高速推进的时代风口上。发展电子政务、远程医疗、健康养老、网络教育等信息化便民服务，既是发挥互联网和大数据优势改进民生服务的新途径，也是贵阳作为省会城市、建成更高水平的全面小康社会的根本要求。无论是政府部门积极构建面向公众的“一站式”在线公共服务体系、以期有效解决“办事难”等问题，还是集中构建统一的互联网政务数据平台和信息惠民服务平台、以实现数据的共享和开放，其目的都是要通过大数据为民众打造全方位的“线上生活服务圈”，使服务内容更加丰富，服务效率更加高效。比如，远程医疗借助的就是数据跑腿，实现医学数据的云传输、云存储、云共享、云应用，即使患者与医疗专家之间远隔千山万水，也能享受个性化的诊疗服务。大数据增进民生福祉，只有起点、没有终点。借力大数据提升服务水平，正是这种不懈追求的具体体现。我们相信，随...

2017-07-03

458

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。