机器学习更容易采用的6种工具

缓慢的复兴是由商业世界中许多非程序员已经相当精通数据的现实所推动的。加载数字的电子表格是各级业务决策者的通用语言，机器学习算法也像表格中数据清晰定义的行和列一样。机器学习的新工具基本上只是另一组策略和选项，用于将表格数据转换为有用的答案。这些工具的优势在于能够处理收集数据、添加结构，并保持一致性，然后开始繁重的计算工作。它们简化了数据收集过程，简化了将信息保存在行和列中的工作。

这些工具还不够智能，无法为用户完成所有这些学习。用户必须提出正确的问题并找到合适的地方。但是这些工具加速了对答案的搜索，因此可以覆盖更多的范围，并在进行更多的搜索。

AutoML：机器学习的民主化

最近，新的流行术语“AutoML”开始出现，表示机器学习算法附带了一个额外的自动化元层。标准算法一直被设计用于自行查找模式和规则，但传统算法带有许多选项和参数。数据科学家经常花费80%到99%的时间致力于找到很具预测性的规则。

AutoML通过尝试一系列选项，测试它们然后尝试更多来自动化这个阶段。它不是采用机器学习算法运行一次，而是运行N次，进行一些调整，再次运行N次，如此反复，直到用户的预算、时间、耐心耗尽。

AutoML工具非常适合云计算，因为它们在云中可以启动足够的机器并行运行，然后在完成后将它们返回池中。用户只需在峰值计算时间支付费用。

一般来说，AutoML算法是人们开始自己探索机器学习的一个良好选择。自动化通过处理一些设置参数和选项的基本工作来简化工作，然后再为用户测试结果。随着用户变得更加复杂，并开始理解结果，他们可以承担更多这些工作，并自行设置价值。

新的系统还可以让用户更轻松地了解机器的学习方式。如果经典编程将规则和数据转化为答案，那么机器学习算法将会反向工作，并将答案和数据转换为规则。这些规则可能会告诉用户业务发生的事情。这些简化工具的开发人员还创建了解释算法发现的规则的接口，更重要的是如何复制结果。他们想打开黑盒以促进理解。

使机器学习更容易的6种工具

（编辑：孝感站长网）

【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!