近几年，机器学习平台获得了飞速发展，积累了大量高效的机器学习算法组件，基于这些组件可以快速实现业务流程、解决具体问题。阿里云机器学习平台的丰富算法功能可以在线使用，不需要购买硬件，不需要安装配置各种环境;数据和计算资源一直处在 “在线”状态，不必担心数据太大或计算资源不足的问题。机器学习平台降低了我们使用机器学习知识的门槛，将各个算法作为组件，即使不了解背后的理论知识，仍可以仿照书中实例，将组件连接起来解决-些实际问题。

本篇适合机器学习算法的初学者及中级用户快速入门，在机器学习实践中学习。

本篇总共包括12章的内容：

阿里云机器学习、商家作弊行为检测、生存预测、信用风险预测、用户购买行为预测、聚类与分类、葡萄酒品质预测、文本分析、基于用户退货描述的赔付预测、情感分析、影片推荐.、支持深度学习框架。

阿里云机器学习

阿里云机器学习平台是构建在阿里云MaxCompute计算平台之上，集数据处理、建模、离线预测、在线预测为一体的机器学习算法平台。用户通过拖曳可视化的操作组件来进行试验，使得没有机器学习背景的工程师也可以轻易上手玩转数据挖掘。平台提供了丰富的组件，包括数据预处理、特征工程、算法组件、预测与评估。平台目前整合了阿里集团内最先进的算法，为集团内、外不同用户提供算法服务。

情感分析

本章我们介绍一个文本分析领域非常有用的应用一-情感分析。我们在网上购买商品，浏览电影信息，寻找饭馆信息时，经常看到一个区域显示着用户的评论，我们习惯性地参考其他人的评论，如果大家都说好，就更坚定了我们买下此商品的信心，如果有人给了差评，我们会很自然地想到，我要是购买了是否也会遇到同样的问题。那么，如何通过机器学习算法，高效地判断出评论的情感倾向呢?

支持深度学习框架|

阿里云机器学习算法平台除了提供自己研发的组件，也支持业界一些出名的深度学习框架，同时后端提供了功能强大的GPU (型号M40)计算集群，用户可以使用这些框架及硬件资源来运行深度学习算法。目前支持的框架包括TensorFlow r0.12, MXNet 0.9.2，Caffe RC3。

本章重点介绍Google开源的机器学习框架TensorFlow。TensorFlow主要针对机器学习和深度神经网络方面的算法，通过有向图来描述算法，并能通过CPU或GPU对描述的算法进行高效地计算。有向图的节点表示操作(譬如:数据输入、矩阵乘、梯度下降优化等)，每个节点计算产生的结果为多维数据数组(即张量，Tensor)， 通过有向边传给其他的节点。我们可以想象到运行的时候，张量(Tensor)数据在有向图中流动(Flow)。

由于篇幅限制，小编就不做更多的介绍了，大家可以按照目录来一步步学习，希望大家能够学到真正的东西，并且能够运用起来。

大家如果需要本篇【机器学习在线解析阿里云机器学习平台】技术文档的话，就可以转发此文关注小编，私信小编“学习”来得到获取方式吧！