深入分析Microsoft Azure 机器学习工作室案例关注我们（本文阅读时间：1

关注我们
（本文阅读时间：10分钟）
MicrosoftAzureMachineLearningStudio是微软强大的机器学习平台，在设计器中，微软内置了15个场景案例，但网上似乎没有对这15个案例深度刨析的分析资料，所以我就计划写一个系列来完成。
既然是深度刨析，就不再是简单的介绍操作，而是深入每一个细节，宁愿过度详细扩展，也不简单扫过。
微软MVP实验室研究员

文章图片
王豫翔， Leo
微软圈内人称王公子。微软10年+MVP ，大龄程序员。目前核心工作是使用微软AI技术设计可以落地的解决方案，也就是写PPT 。虽然热爱代码，但只有午夜时分才是自由敲代码的时间。喜欢微软技术，不喜欢无脑照抄。
【深入分析Microsoft Azure 机器学习工作室案例】这次我们刨析的案例是：使用VowpalWabbit模型进行二分类-成人收入预测。
预备知识
▍数据集
该数据集是美国人口年收入数据集，原始数据来源于1994年美国人口普查数据库。该数据集共32560条数据， 15列。但不建议您下载，在后面的步骤中，我们会讨论如何从AzureMachineLearningStudio的存储中获得该数据集。
列名
含义
类型
数据格式
Age
年龄
离散属性
Int64
workclass
工作类型
标称属性
Object
fnlwgt
序号
连续属性
Int64
education
学历
标称属性
Object
education_num
受教育时间
连续属性
Int64
marital_status
婚姻状态
标称属性
Object
occupation
职业
标称属性
Object
relationship
关系
标称属性
Object
race
种族
标称属性
Object
sex
性别
二元属性
Object
capital_gain
资本收益
连续属性
Int64
capital_loss
资本损失
连续属性
Int64
hours_per_week
每周工作小时数
离散属性
Int64
native_country
原籍
标称属性
Object
income
收入
二元属性
Object
我们要预测的是新记录的可能的收入范围，在这个样本集中，收入的范围只有两个：>50K和<=50K ，所以是典型的分类（Classification）问题。分类模型可用来预测离散值。当机器学习模型最终目标（模型输出）是布尔或一定范围的数时，例如判断一张图片是不是特定目标，结果是不是0或者1 ，或者输出是1-10之间的整数等等，这类需求则大多数可以通过分类问题来解决。典型的就是猜输赢。当我们对预测的结果已经有了明确的选项，就可以使用Classification方案。下载地址：https://archive.ics.uci.edu/ml/datasets/Adult▍VowpalWabbit数据格式
VowpalWabbit ，简称VW ，是一个功能强大的开源，在线（online）和外存学习（out-of-coremachinelearning）系统，由微软研究院的JohnLangford及其同事创建。 AzureML通过TrainVW和ScoreVW模块对VW提供本机支持。可以使用它来训练大于10GB的数据集，这通常是AzureML中学习算法允许的上限。它支持许多学习算法，包括OLS回归（OLSregression），矩阵分解（matrixfactorization），单层神经网络（singlelayerneuralnetwork），隐狄利克雷分配模型（LatentDirichletAllocation），上下文赌博机（ContextualBandits）等
VW的输入数据每行表示一个样本，每个样本的格式必须如下label|feature1:value1feature2:value2...
简单的说，每一条样本的第一个是标签（Label），后面是特征（Feature）。也就是每一条样本都是有标签样本(labeled)