关于

调研现阶段的机器学习平台

阿里巴巴

目前公开的平台是数加：https://data.aliyun.com/product/learn
特点：

• 构建于阿里云MaxCompute、GPU等计算集群之上
• 分布式算法，包括数据处理、特征工程、机器学习算法、文本算法等
• 基于MaxCompute、GPU集群，支持MR、MPI、SQL、BSP、SPARK等计算类型。
• 机器学习支持的功能如下

机器学习

• 输入输出源：ODPS数据表
• 特征预处理：
  • 采样：随机采样；加权采样（某一列作为权值）；分层采样
  • 清洗：SQL条件过滤
  • 缺失值填充：
  • 归一化：log，MinMax，ZScore
• 特征工程：
  • 降维去噪：PCA
  • 规范化
  • 离散化：等距等频
  • 异常值平滑：Zscore平滑（3sigma），百分位平滑，阈值
  • 特征选择：随机森林、GBDT特征重要性；线性模型特征重要性，重要性定义为 weight * std。即学到的系数与特征的标准差乘积？！(支持可视化)
  • 偏好计算：
• 统计分析：
  • 百分位统计
  • 相关系数
  • 直方图统计
  • 特征分析：离散值和连续值
  • 统计检验：t检验，卡方检验
• 机器学习：
  • 分类和回归算法 + XGBOOST
• 文本分析和特征：
  • word2vec
  • 文本相似性
  • 分词

微软 Azure

• 可视化交互，和阿里差不多
• 支持脚本！！ Python R
• 更多的数据处理功能，滤波
• OpenCV？

亚马逊

不够开放

Google

• 语音，图像，文本等都有很好的支持
• 基于API接口调用

Twitter