R2 LEARN机器学习平台算法架构介绍

近年来，机器学习在各行各业的应用越来越广泛，人们也越来越感受到机器学习的强大威力和巨大的潜力。

从定义来看，机器学习是对能通过经验自动改进的计算机算法的研究。换言之，经验就是数据，算法就是模型，机器学习做的就是用模型从数据中提取规律。虽然现在有很多软件包可以解决底层模型的调用，但是全流程的数据清洗，特征转换，提取，降维，模型的选择，参数的调整等等端到端的问题当前并没有一个很好的解决方案。一方面，数据科学家和数据挖掘工程师们需要花费大量的时间在数据的清洗，预处理以及模型的调参上，而且建模步骤与整个产品的解决方案是分离脱节的，在模型落地上往往需要大量的工作。另一方面，由于数据清洗，特征工程，模型调参等需要大量的专业知识和经验，这限制了更多的人来应用机器学习，对许多拥有业务背景知识，但是对于机器学习不甚熟悉的人来讲，也迫切需要一款产品来帮助他们使用机器学习来为自己的业务赋能。因此，对自动化建模和数据模型全生命周期管理的需求呼之欲出，这也是R2 Learn产品的优势所在。

R2 Learn的整个流程包括了数据探索，数据预处理，特征工程，算法选择，模型训练，模型验证，结果分析，部署验证等步骤。除了个别需要手动选择的地方以外，绝大部分都可以全自动的完成，用户要做的只是需要给出数据，之后就静待花开，获取最优的模型。

大数据应用通常和复杂系统联系到一起，这些系统拥有巨量用户、大量复杂性软件系统和大规模异构计算与存储架构。构建这样的系统通常也面临着分布式的设计选择，因此最终产品（如推荐系统、药物分析工具、实时游戏引擎和语音识别等）涉及到许多可调整的配置参数。这些参数通常很难由各种开发者或团队具体地编入软件中。如果我们能联合优化这些超参数，那么系统的性能将得到极大的提升。

R2 Learn的自动建模框架本身是基于人工智能技术开发的，由三大技术引擎相辅相成:

R2 Learn的人工智能专家引擎集成了最先进的机器学习知识及经验并自动的应用到建模过程中；而它独一无二的优化引擎融合了贝叶斯优化，遗传算法等理论，用较少的计算资源，最快的速度，找到最好的模型；最值得瞩目的是R2 Learn的强大的有无穷潜力的自我学习引擎，它会自动学习总结建模过程中的规律，不断优化提升自己，变的越快越好。

我们支持当前市面上绝大部分机器学习算法，包括但不限于Adaboost，朴素贝叶斯，决策树，高斯过程，梯度提升，KNN，随机森林，逻辑回归，xgboost等等。另外，我们自主开发的新的算法包，可以充分发挥GPU的算力优势，不但可以提升模型的准确率，减少模型过拟合，而且可以把R2 Learn已经超高的建模效率进一步提高几十倍。

R2 Learn产品由算法模块层，核心优化层，流程调度层，业务映射层依次由低到高组成。算法模块层提供各个基础的算法功能，包括预处理模块组，特征工程模块组，机器学习算法模块组，指标验证模块组，可视化模块组，部署预测模块组等等。核心优化层包括智能知识库，建模优化，及自我学习模块。流程调度层在核心优化层和算法模块层提供的能力之上提供灵活的流程调度，按照业务的具体需求来组织各个功能模块。业务映射层接受具体任务，将任务映射转化为流程管道交给流程调度层。整个系统将强大的计算能力和灵活的业务流程统一在一起，可以在给定资源的条件下，最大限度的进行优化。

R2 Learn的交付使用Docker进行封装，免除了繁复的环境配置工作，用户只要提供IP地址和端口号就可以使用，启动Docker后访问产品的Web界面就可以使用产品的全部功能。部署部分还提供有API接口，可以方便用户在自己的软件系统中直接调用R2 Learn的结果。后面还会有SaaS版本的R2-learn上线，可以进一步减轻用户的运维负担，随时随地的进行机器学习建模。在多、快、好、省的机器学习探索道路上，R2.ai会越走越远。

关于R2.ai

2015年4月，R2.ai由一群在AI和数据科学领域内最杰出，最富有想象力的团队在硅谷建立。他们致力于将大胆的创意转化为复杂现实中的实际应用。其核心管理团队拥有合计60多年的AI行业经验。

R2.ai是帮助创建AI的AI。该公司是新一代人工智能开发和运营平台的始创者，其使命是为AI在各行业的应用赋能，大规模推动AI的普及和发展。 不管您是拥有大数据还是行业经验，也不管您是AI专家还是普通商务人员，其尖端的AI技术都可以助您快速、便捷、经济地自动构建精准的机器学习模型。更多信息，请访问http://www.r2ai.com.cn

联系我们
问题咨询：contact@r2.ai
产品销售：sales@r2.ai