如今,每天都有大量数据生成,对自动化数据处理的需求越来越迫切。Watson Studio 拥有协同访问数据、协同处理数据的环境和工具,是旨在帮助解决数据相关问题的一站式平台。机器学习作为数据科学、人工智能等众多领域的基础,重要性不言而喻,Watson Studio 为用户提供 3 种模型开发方式:Machine learning model builder,SPSS Modeler flow 和 Jupyter Notebook。

使用机器学习模型构建器时,可在 Watson Studio 中创建项目,点击 Add to Project,添加 Watson Machine Learning Instance,点击 Model Builder 选择模型类型后 。用户可以选择模型的详细信息,例如:

  • 预测列(Predicting column)
  • 输入列(Input column)
  • 算法(The algorithm)
  • 评估器(The estimator)
  • 数据分割(The data split)

无需掌握深厚的专业编程知识,即可运行多种算法,根据各项指标,选择最合适的模型。

mlbuilder.png

使用 SPSS Modeler flow 时,从 Add to Project 中添加 Modeler Flow,各种算法将以拖放图标的形式显示,不仅可以选择不同的数据准备方式,还设有能连接到分类器的评估和统计节点,以便确认工作是否正常。

modelerflow.png

Watson Studio 还可以用于开发 Jupyter Notebooks,对编程感兴趣的用户可按常规方式调整机器学习模型,用 Python 进行编辑,或使用 scikit-learn 库。 IBM Cloud 可从本地系统导入或从 URL 获取 Jupyter Notebooks。

jupyter.png

Watson Studio 是机器学习模型开发的有效工具,无需大量 Python 或 R 语言编程经验即可轻松上手。

更多详情,请查看 Watson Studio入门指南。

相关资源

本博客翻译自:Exploring machine learning with Watson Studio(2019-11-13)

加入讨论