写在前面
感谢公司提供的Microsoft Azure 机器学习平台
我不是微软的托哈，但是一用觉得，这东西太方便了吧！
最大的优点在于快速试错
上传数据集
添加新的实验
在页面最左下角有一个加号，点一下然后是下图：
选黄色的加号
然后到实验区，把输入的csv拽进来
点这个训练数据集，右键选visualize可视化
众所周知Titanic数据集里有PClass这个字段，表示做急等藏，PClass可视化如下图
其实PClass是个离散型变量，但是Microsoft Azure检测不出来。没关系，不影响看。
再来看一个连续型变量：
缺失值处理
如何看变量是否有缺失值
我就在想处理缺失值的模块是什么呢，然后搜了一下 missing，就发现这个clean missing data模块了
缺失值处理模块
突然接触这个模块我是不知道它怎么用的，那怎么办呢？就点这个模块，右键 有个?help选项，选它就会弹出这个模块使用的说明
我选了Age和Cabin列，然后再选择缺失值处理方法，那么这个缺失值处理方法就作用于选中的所有列
如果想对选中的列进行不同的缺失值处理方法，那么只能顺序拼接不同的clean missing data模块
用户提示很友好，右键能看出来，第一个输出(圈1）返回的是经过缺失值处理后的数据，（圈2）返回的是这个缺失值处理模块（方便以后服用）
分割数据集 Split Data
Split Data 有1 和2 两个出口，据我看的别的Demo左边的1口是训练集，右边的2口是测试集
模型训练 Train Model
如图所示，TrainModel模块左入口是模型，右入口是训练集
对验证集打分 Score Model
Score Model的左1入口是Train Model,右一入口是验证集
Score Model可视化：
在Score Model模块右键选圈1选Visualize,可见下图
Scored Labels是指预测的标签（左边有真实标签那列，一张图放不下就没截图）;
Scored Probabilitites是指模型推断的把握比如说第二行： 有0.999579的把握推断标签为1
比较两个模型 Evaluate Model
Evaluate的输入是两个不同的Score Model，如下图
点Evaluate Model,右键选圈一选可视化，可以看到下图
更多例子
更多例子用户可以去 AI Gallary里面看