几个实用机器学习工具，你了解吗？新手程序员必看！

1. DataRobot

DataRobot（DR）是一款高度自动化的机器学习平台，由全球最好的Kagglers构建，包括Jeremy Achin，Thoman DeGodoy和Owen Zhang。该平台声称已经消除了对数据科学家的需求。这从他们网站的一句话中可以明显看出 - “数据科学需要数学和统计资质、编程技能和商业知识。借助DataRobot，你只需提供商业知识和数据，而我们的尖端自动化负责其余部。

模型优化：

平台通过采用文本挖掘、变量类型检测、编码、插补、缩放、转换等自动检测最佳数据预处理和特征工程。

部署：

只需点击几下即可轻松部署设施（无需编写任何新代码）。

对于软件工程师：

Python SDK和API可用于将模型快速集成到工具和软件中。

如果有对java感兴趣java程序员，可来我们的java技术学习扣qun哦：82368,

6266里面免费送java的视频系统教程噢！ 小编也是一名从事了6年java开发的全栈工程师，花了近一个月整理了一份较适合18年学习的java干货，基础原理、框架源码和工作经验都有涉及，送给每一位java小伙伴，欢迎初学和进阶中的小伙伴

2. BigML

BigML提供了一个良好的图形用户界面，可以让用户通过以下6个步骤掌握：

来源：使用各种信息来源

数据集：使用定义的源创建数据集

模型：制作预测模型

预测：基于模型生成预测

合成：创建各种模型的合成

评估：针对验证集的非常模型

这些过程显然会以不同的顺序迭代。BigML平台提供了很好的结果可视化，并具有求解分类、回归、聚类、异常检测和关联发现问题的算法。他们提供按月、季度和年度订阅捆绑在一起的几个软件包。他们甚至提供免费套餐，但上传数据集的大小限制为16MB。

4. Google Cloud AutoML

Cloud AutoML是Google机器学习组件的一部分，它允许有限ML专业知识的人员来构建高质量模型。作为Cloud AutoML产品组合的一部分，第一款产品是Cloud AutoMLVision。该服务使得训练图像识别模型变得更加简单。它具有拖放界面，可以让您上传图像，训练模型，然后直接在Google Cloud上部署这些模型。

Cloud AutoML Vision基于Google的迁移学习和神经架构搜索等技术。这个工具已经被很多组织所使用。看看这篇文章，看看AutoML在两个惊人的现实生活例子的表现，以及它如何产生比任何其他工具更好的结果。

5. MLBase

MLBase是加州大学伯克利分校的AMP（算法机器人）实验室开发的一个开源项目。背后的核心思想是为机器学习应用于大规模问题提供一个简单的解决方案。

它有3种产品：

MLlib：它是Apache Spark中的核心分布式ML库。它最初是作为MLBase项目的一部分开发的，但现在Spark社区也支持它。

MLI：用于特征提取和算法开发的实验性API，它引入了高级ML编程抽象。

ML优化器：该层旨在自动执行ML管道构建任务。优化器通过包含在MLI和MLlib中的特征提取器和ML算法来解决搜索问题。