Azure 資料科學虛擬機器 （DSVM） 有一組豐富的工具和連結庫可供機器學習使用。 這些資源適用於熱門語言，例如 Python、R 和 Julia。
DSVM 支援下列機器學習工具和連結庫：
適用於 Python 的 Azure Machine Learning SDK
如需完整參考，請瀏覽適用於 Python 的 Azure 機器學習 SDK。
| 類別 |
值 |
| 這是什麼？ |
您可以使用 Azure 機器學習 雲端服務來開發和部署機器學習模型。 您可以在建置、定型、調整及管理模型時，使用 Python SDK 來追蹤模型。 將模型部署為容器，並在雲端、內部部署或 Azure IoT Edge 上執行它們。 |
| 支援的版本 |
Windows (Conda 環境：AzureML)、Linux (Conda 環境：py36) |
| 一般用法 |
一般機器學習平台 |
| 如何設定或安裝它？ |
搭配 GPU 支援安裝 |
| 如何使用或執行它 |
作為 Python SDK 並安裝於 Azure CLI 中。 在 Windows 版本上啟用 conda 環境AzureML，或在 Linux 版本上啟動至 py36 。 |
| 範例的連結 |
在目錄中的 AzureML Notebook 下尋找範例 Jupyter Notebook。 |
H2O
| 類別 |
值 |
| 這是什麼？ |
開放原始碼 AI 平臺，支援分散式、快速、記憶體內部、可調整的機器學習服務。 |
| 支援的版本 |
Linux |
| 一般用法 |
一般用途的分散式、可調式機器學習 |
| 如何設定或安裝它？ |
H2O 是安裝在 /dsvm/tools/h2o 中。 |
| 如何使用或執行它 |
連線 X2Go 的 VM。 啟動新的終端機，然後執行 java -jar /dsvm/tools/h2o/current/h2o.jar。 然後，啟動網頁瀏覽器並連線至 http://localhost:54321。 |
| 範例的連結 |
在目錄中 Jupyter h2o 的 VM 上尋找範例。 |
DSVM 上有數個其他機器學習連結庫，例如 DSVM scikit-learn 的 Anaconda Python 散發套件。 如需 Python、R 和 Julia 中可用的套件清單，請執行個別的套件管理員。
LightGBM
| 類別 |
值 |
| 這是什麼？ |
這是一種以決策樹演算法為基礎的快速、分散式、高效能漸層提升 (GBDT、GBRT、GBM 或 MART) 架構。 機器學習工作 - 排名、分類等 - 使用它。 |
| 支援的版本 |
Windows、Linux |
| 一般用法 |
一般用途的漸層提升架構 |
| 如何設定或安裝它？ |
LightGBM 會安裝為 Windows 上的 Python 套件。 在 Linux 上，命令列可執行檔案位於 /opt/LightGBM/lightgbm。 已安裝 R 套件，並已安裝 Python 套件。 |
| 範例的連結 |
LightGBM 指南 \(英文\) |
Rattle
| 類別 |
值 |
| 這是什麼？ |
使用 R 之數據採礦的圖形用戶介面。 |
| 支援的版本 |
Windows、Linux |
| 一般用法 |
適用於 R 的一般 UI 資料採礦工具 |
| 如何使用或執行它 |
作為 UI 工具。 在 Windows 上，啟動命令提示字元、執行 R，然後在 R 內執行 rattle()。 在 Linux 上，使用 X2Go 進行連線、啟動終端機、執行 R，然後在 R 內執行 rattle()。 |
| 範例的連結 |
Rattle \(英文\) |
Vowpal Wabbit
| 類別 |
值 |
| 這是什麼？ |
快速、開放原始碼的跨核心學習系統程式庫 |
| 支援的版本 |
Windows、Linux |
| 一般用法 |
一般機器學習程式庫 |
| 如何設定或安裝它？ |
Windows：msi 安裝程式
Linux：apt-get |
| 如何使用或執行它 |
作為路徑上命令列工具 (C:\Program Files\VowpalWabbit\vw.exe (在 Windows 上)、/usr/bin/vw (在 Linux 上)) |
| 範例的連結 |
VowPal Wabbit 範例 \(英文\) |
Weka
| 類別 |
值 |
| 這是什麼？ |
這是一個資料採礦工作的機器學習演算法集合。 您可以直接套用演算法，或從自己的 Java 程式代碼呼叫演算法。 Weka 包含資料前置處理、分類、迴歸、群集、關聯規則和視覺效果的工具。 |
| 支援的版本 |
Windows、Linux |
| 一般用法 |
一般機器學習程式庫 |
| 如何使用或執行它 |
在 Windows 上，於 [開始] 功能表中搜尋 Weka。 在 Linux 上，使用 X2Go 進行登入，然後移至 [應用程式]>[開發]>[Weka]。 |
| 範例的連結 |
Weka 範例 \(英文\) |
XGBoost
| 類別 |
值 |
| 這是什麼？ |
快速、可攜且分散式的漸層提升 (GBDT、GBRT 或 GBM) 程式庫，適用於 Python、R、JAVA、Scala、C++ 等。 它可在單一機器、Apache Hadoop 及 Spark 上執行。 |
| 支援的版本 |
Windows、Linux |
| 一般用法 |
一般機器學習程式庫 |
| 如何設定或安裝它？ |
搭配 GPU 支援安裝 |
| 如何使用或執行它 |
作為 Python 程式庫 (2.7 和 3.6+)、R 套件及路徑上命令列工具 (C:\dsvm\tools\xgboost\bin\xgboost.exe 適用於 Windows、/dsvm/tools/xgboost/xgboost 適用於 Linux) |
| 範例的連結 |
範例包含在 VM 的 /dsvm/tools/xgboost/demo(適用於 Linux) 中，以及 C:\dsvm\tools\xgboost\demo (適用於 Windows) 中。 |