机器学习是对云服务的显而易见的补充，该服务也处理大数据。通常收集大量可观察到的主要原因是预测业务的其他感兴趣的价值。例如，收集大量匿名信用卡交易的原因之一是预测新交易是否有效或欺诈，有一些可能性。
毫无疑问，微软与大型AI研究部门一起将机器学习设施添加到天蓝色的云中。也许是因为该技术起源于研究人员，商业产品拥有所有复杂的模型和算法，即统计和数据威恩可能想要的。此外，Azure机器学习（Cortana Analytics Suite的一部分）将模型培训和评估管道设计缩短到拖放运动，同时还允许用户将自己的Python或R模块添加到数据管道。
在特征选择和解决方案算法中可用的阵列中，Azure Machine学习类似于Databricks和IBM SPSS Modeler，为您提供您可能想要的每个工具。虽然这对数据科学家来说是完美的，但它是一个商业分析师混淆的食谱。If you’re not a data scientist, but someone who, say, simply wants to predict next month’s sales so that the business can stock the right products, the Amazon Machine Learning approach of providing only one proven algorithm per class of problem may be better.
学习过程
微软有A.蔚蓝机器学习的五步介绍互动之旅它会在帽子下跑。它令人印象深刻的是Azure机器学习如何从公共人口统计数据训练机器学习模型，并生成将参数转向预测的Web服务。
然而，这里有一个多手挥舞着。模型在哪里起源？它是如何选择的？需要应用哪些数据变换？什么是残留物？它与其他模型相比如何？他们没有说。