C新智元编译
来源：InfoWorld
译者：朱焕
机器学习云这么多，各家特色是什么？哪个适合练级，哪里高手齐聚？哪家有不为人知的Bug？最重要的，哪个最适合解决你的问题？资深程序员实测点评亚马逊、微软、谷歌、IBM等６大机器学习云平台，分析各自优缺点。开发者、数据科学家、商业用户或者单纯爱好者都能从本文中受益。
原文题目：Review：６MachineLearningClouds
作者：MartinHeller，InfoWorld网站编辑，AlphaSoftware技术副总裁、TubifiCEO，HPTechBeacon撰稿人
微软、Databricks、谷歌、惠普企业和IBM都为解决许多机器学习问题提供了工具。本文将简要分析这６种商业机器学习解决方案的特点。
AWS：替你选择模型亚马逊试图让机器学习能够为普通人所利用。亚马逊希望的是，分析师只需要理解那些被解决的问题本身，而不需要理解数据科学和机器学习算法。
总的来说，要使用亚马逊机器学习，你首先要把你的数据整理为CSV格式、上传到亚马逊的S3服务；然后你创造、训练和评估你的机器学习模型；最终，你能用它进行批量或实时的预测。每个步骤都是迭代性的，整个过程亦然。机器学习并不是一件简单静态的事，尽管我们可以把算法选择的部分留给亚马逊来做。
亚马逊机器学习支持３类模型——二元分类、多类别分类和回归——每个类型都有一个对应的算法。在优化方面，亚马逊机器学习使用随机梯度下降（SGD），这种方法能在训练数据中建造多序列通路（multiplesequentialpasses），更新每个小批量样本的特征权重，从而将损失函数最小化。损失函数是指现实值和预测值之间的差异。梯度下降优化法只在连续、可微的损失函数（例如logistic函数和平方损失函数）的情况下工作良好。
对二元分类，亚马逊机器学习使用了logistic回归（logistic损失函数加上随机梯度下降）。对多类别分类，亚马逊机器学习使用了多元logistic回归（多元logistic损失函数加上随机梯度下降）。对回归，亚马逊机器学习使用了线性回归（平方损失函数加上随机梯度下降）。
在亚马逊机器学习服务中训练和评估了一个二元分类模型之后，你可以选择你自己的分数阈限，以获得你所想要的误差率。此处，我们把阈限值从默认的0.5提高了，这样我们就可以为市场和销售提供更强的指导。来源：inforworld.白癜风山东专科医院白癜风医院