Azure Machine Learning初体验

微软作为PC时代的王者，自从云计算兴起后就一直落后在亚马逊和google之后，Azure的影响力也远不及AWS，而且价格不菲，异常中断时间高于业界也常被人诟病，所以对Azure一直不太感冒，但近期做IOT方面的工作，从起初的单个解决方案到interoperability platform的设计，Machine Learning不得不提上日程，然后偶然发现Azure在14年下半年推出了ML Service，体验一番，确实继承了微软一贯的作风，虽只是针对研究分析师，而非普通受众的服务，一样简单易用，容易上手，模块一样可以拖拉拽 拷贝 粘帖

更多使用的细节可参看官方网站

http://azure.microsoft.com/en-us/documentation/articles/machine-learning-walkthrough-1-create-ml-workspace/

使用两个模型Two-Class Boosted Decision Tree 跟Two-Class Support Vector Machine，比较最后的结果，决定使用哪一个

注意Two-Class Support Vector Machine要加Normalize Data也就是以前的Transform Data  by Scaling 做数据的归一化

用于test 的数据也用于Two-Class Support Vector Machine方法score结果也要Normalized

将学习验证后的Train Module做成Trained Module，用于实际应用，其余不相关的模块可以删除。

如果认为微软的这款服务是SAAS应用，那在大数据分析以及IOT方面都将有很大的用武之地，当然这些还离不了更多Train module的加入和补充