開發機器學習解決方案提升現有的預測算法并不是一件容易的事情。這需要大量的工作來保證其正確性，包括清除數據、建立基礎結構、測試和再測試模型以及最終部署算法。

[[131622]]

這里有七種機器學習服務，它們可以幫助你減少部署機器學習解決方案的痛苦。

1. 微軟Azure機器學習

基于微軟Azure云平臺的Azure機器學習(Azure Machine Learning)為所有的數據科學家提供了一個流線型的體驗：從只用一個網頁瀏覽器設置，到使用拖放手勢和簡單的數據流圖來設置實驗。Machine Learning Studio提供了一個庫，其中包括省時省力的樣本實驗，R和Python包以及像Xbox和Bing等微軟業務中的***算法。Azure的機器學習還支持R和Python的自定義代碼，它可以直接放到您的工作空間。經驗很容易共享，所以其他人可以輕易撿起你所留下的。

2. Google Prediction API

Google Prediction API提供模式匹配和機器學習功能。給定一個數據集樣本來訓練，你就可以創建一個應用程序，能夠執行下列任務：

(1)給定用戶以前的瀏覽習慣，預測用戶可能會喜歡的其他電影或產品。

(2)把電子郵件歸類為垃圾郵件和非垃圾郵件。

(3)針對用戶的產品評論進行分析，確定他們是否有積極或消極的基調。

(4)根據用戶的消費歷史猜測用戶在特定的某一天可能會花多少錢。

3. Algorithms.io

Algorithms.io云平臺可以很容易地使用機器學習算法從連接的設備分流數據。Algorithms.io的機器學習算法目錄以高達99%的準確度實時地將數據流分離成獨立的部分。他們提供必要的基礎架構用來收集、存儲和分類流數據，這一切都是“即服務”的形式。

4. BigML

BigML通過降低復雜性來創造一個高可用性、低延遲的機器學習系統并且它專門為你的數據而構建。你不僅能夠從你的數據中獲得寶貴的見解，而且你很可能會喜歡上它。你可以上傳你的數據或通過API連接到云數據(例如Google Drive或Google Cloud)，然后從這些來源中創造結構化數據，建立模型，***做出預測。

5. Ersatz Labs

Ersatz是一個基于網絡的通用機器學習平臺，支持基于GPU的深度學習。它面向有抱負的、實干的數據科學家。Ersatz有很多組件設計用于使現代機器學習的工作流程更高效。首先，這其中就包括了數據備份、模型訓練和機器學習基礎設施。

6. Nutonian / Eureqa

Nutonian的數據科學即服務(Data Science as a Service)產品Eureqa使得行業龍頭企業能夠解決他們***挑戰性的業務問題。憑借著全球范圍內數目超過80000的設備，機器人數據科學家(Robotic Data Scientist)提供垂直應用模塊，每時每刻都在幫助金融服務、生命科學、零售、電信以及公共事業等領域運算數以百萬計的潛在解決方案。

7. Amazon Machine Learning

亞馬遜Amazon Web Services本周四宣布推出Amazon Machine Learning(亞馬遜機器學習)，這是一項全面的托管服務，讓任何開發者都能夠輕松使用歷史數據開發并部署預測模型。這些模型用途廣泛，包括檢測欺詐、防止用戶流失并改進用戶支持。Amazon Machine Learning的API和向導能夠為開發者提供關于機器學習模型的創建和調試流程的指導，并Amazon Machine Learning能夠與Amazon S3 、Amazon Redshift和Amazon Amazon RDS集成。