中科院开源图形化机器学习系统 Easy ML

随着人工智能发展，机器学习成为越来越多大数据应用的选择，不仅节省人力，准确率也有很大的提升。但是机器学习的使用却并不简单，复杂的算法、繁琐的配置等等问题让技术人员头疼不已，以至于在很多大数据平台上，机器学习的作用并没有被很好的发挥出来。

据官方资料，中科院发布 BDA 平台的 Easy Machine Learning 系统 提供了一个通用的数据流系统，可以降低将机器学习算法应用于实际任务的难度。

什么是 Easy Machine Learning 系统？最通俗的翻译就是：简单机器学习系统。

在该系统中，一个学习任务被构造为一个有向非循环图（DAG／directed acyclic graph），每个节点表征一步操作（即机器学习算法），每一条边表征从一个节点到后一个即节点的数据流。

任务可被人工定义，或根据现有任务／模板进行克隆。在把任务提交到云端之后，每个节点将根据 DAG 自动执行。图形用户界面被实现，从而可使用户以拖拉的方式创建、配置、提交和监督一项任务。

系统包含三个主要组件：

分布式的机器学习库不仅能实现流行的机器学习算法，也能实现数据预处理／后处理、数据格式转变、特征生成、表现评估等算法。这些算法主要是基于 Spark 实现的。

基于 GUI 的机器学习开发环境系统能让用户以拖放的方式创造、安装、提交、监控、共享他们的机器学习流程。机器学习库中所有的算法都可在此开发环境系统中获得并安装，它们是构建机器学习任务的主要基础。

执行任务的云服务该服务基于开源的 Hadoop 和 Spark 大数据平台建立，在 Docker 上组织了服务器集群。从 GUI 上接受一个 DAG 任务之后，在所有的独立数据源准备好时，每个节点将会自动安排运行。对应节点的算法将会依据实现在 Linux、Spark 或者 Map-Reduce\cite 上自动安排运行。

为什么要使用 Easy ML？总结起来，Easy ML 的优势主要有三点：

1. 降低定义和执行机器学习任务的障碍 ;
2. 共享和重用算法的实现，作业 DAG 和实验结果 ;
3. 将独立算法和分布式算法无缝集成在一个任务中。

从官方资料可以看到，BDA 平台包括两大组件：

一个是分布式大数据分析函数与算法库 BDA Lib，基于 Spark 内存分布式计算框架，具有强大的大数据处理能力。提供丰富的机器学习算法可供选择，涵盖分类聚类、文本分析、个性化推荐等方向；可运作于单机环境，实现数据分布式和模型分布式；提供极简的 API 接口 / 支持命令行运行。

另一个是可视化任务构建与管理平台 BDA Studio，拥有可拖拽式图形化操作界面，可以支持 MapReduce/Spark/ 单机混合执行，具有强大的数据处理能力；集成了丰富的系统分析程序，支持私有数据 / 自定义数据分析算法模块，支持程序模块 / 应用发布与共享，提供大数据分析样例模板。

两大 BDA 平台组件与三大 Easy ML 组件优势互补，可大幅度提升用户对大数据分析的效率和体验。

Easy ML 和 Azure MLMicrosoft 也有一款图形化界面的机器学习产品：Azure ML。

Microsoft 的 Azure ML Studio 提供了一个快速的学习曲线，它不需采取深层数据或编码的方式来启动运行。

Microsoft Azure 机器学习是一种用于执行价值预测 (回归)，异常检测，聚类和分类的云服务。Azure 机器学习是微软 Cortana 分析套件产品的一部分，Azure ML Studio 图形化、模块化的方法将让你快速了解机器学习模型。

Azure ML Studio

Azure 提供了三个级别的工作空间和四种机器学习工作区，而不同级别的工作空间拥有的功能也均有不同，同时使用的价格也有差异。

不同于商业化的 Azure ML，Easy ML 系统已经完全开源，开发者可以获得全部源代码，并对源代码进行研究和修改。

开源也好，商业也罢，不论是微软的 Azure ML，还是国产的 Easy ML，共同目的都是为了让开发者能够更好地理解机器学习，更加轻松的进行开发，其实对于大部分的开发者来说：适合自己的，就是最好的。

如何使用 Easy ML？

安装

在使用之前，用户需要对自己计算机的环境变量进行配置。配置教程地址如下：

https://github.com/ICT-BDA/EasyML/blob/master/QuickStart.md

使用根据官方 GitHub 的 README 文档，在运行 Easy ML 之后，可以使用官方账号 bdaict@hotmail.com、密码进行 bdaict 登录使用，地址如下：

http://localhost:18080/EMLStudio.html（建议使用 Chrome 浏览器）

登陆成功后，可以看到正常运行界面如下：

用户可以根据左边菜单的选择算法和数据集创建一个机器学习任务（一个数据流 DAG）。用户可以点击选择在 Program 和 Data 菜单项下面的算法和数据集，同样也可以点击 Job 菜单项选择现存的任务，并复制和做一些必要的修改。用户同样可以在右边的菜单修改任务信息和每一个结点的参数值。任务中的结点可以对应于单机 Linux 程序或在 Spark、Hadoop Map-Reduce 上运行的分布式程序。

更详细的使用教程请访问：

https://github.com/ICT-BDA/EasyML

参考资料：

论文：

http://www.bigdatalab.ac.cn/~junxu/publications/CIKM2016_BDADemo.pdf

GitHub：

1. 配置

https://github.com/ICT-BDA/EasyML/blob/master/QuickStart.md
2. 使用

https://github.com/ICT-BDA/EasyML

感谢杜小芳对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。