【51CTO.com快譯】微軟此前對Revolution Analytics的收購引發(fā)了多方關(guān)注，這家企業(yè)專門負(fù)責(zé)利用開源統(tǒng)計(jì)編程語言R開發(fā)工具以解決各類大數(shù)據(jù)難題。將開源模型與商用工具相結(jié)合，Revolution Analytics推出了一系列方案以支持學(xué)術(shù)及個(gè)人用例，同時(shí)利用Hadoop等相關(guān)軟件通過大規(guī)模數(shù)據(jù)發(fā)掘潛在坐。在微軟的掌控下，其被重新命名為R Server，并成為連接內(nèi)部環(huán)境與云環(huán)境間數(shù)據(jù)的橋梁。

最近兩年來，微軟公布了一系列對于其R工具家族的重要更新。R語言已經(jīng)成為微軟數(shù)據(jù)戰(zhàn)略的重要組成部分，在Azure與SQL Server中受到支持，更重要的是立足于Azure機(jī)器學(xué)習(xí)服務(wù)將預(yù)處理數(shù)據(jù)交付至機(jī)器學(xué)習(xí)管道。其還成為微軟旗下的關(guān)鍵性跨平臺服務(wù)器產(chǎn)品，面向紅帽Linux與Suse Linux發(fā)布對應(yīng)版本。

R語言在微軟生態(tài)系統(tǒng)中隨處可見

除了微軟之外，開源R語言在數(shù)據(jù)科學(xué)領(lǐng)域亦扮演著重要角色，并在學(xué)術(shù)環(huán)境下獲得大量支持。(根據(jù)IEEE統(tǒng)計(jì)，其人氣在全部編程語言中排名第五位。)事實(shí)上，我們并不需要掌握專業(yè)的統(tǒng)計(jì)學(xué)知識即可使用R，因?yàn)镃omprehensive R Archive Network(簡稱CRAN，一套R應(yīng)用公共庫)目前已經(jīng)擁有超過9000套統(tǒng)計(jì)模塊及算法可供用戶選擇。

微軟的R版本是一套跨越桌面、內(nèi)部服務(wù)器與云環(huán)境的解決方案。立足于本地，其提供一套免費(fèi)R開發(fā)客戶端，另外微軟的付費(fèi)旗艦級Visual Studio開發(fā)環(huán)境亦支持R語言。在內(nèi)部設(shè)施領(lǐng)域，R Server運(yùn)行在Windows與Linux系統(tǒng)，同時(shí)支持SQL Server，允許用戶訪問各類適用于自有數(shù)據(jù)的統(tǒng)計(jì)分析工具。其亦支持多種基于Hadoop與Spark的本地大數(shù)據(jù)服務(wù)，同時(shí)允許大家將R Server與HDInsight服務(wù)共同運(yùn)行于Azure之上。

R是一款面向數(shù)據(jù)科學(xué)家的重要工具。盡管R語言相對簡單，但大家仍然需要具備深入的統(tǒng)計(jì)分析知識才能發(fā)揮其全部優(yōu)勢。我個(gè)人的本科專業(yè)正是統(tǒng)計(jì)學(xué)，因此我發(fā)現(xiàn)R語言相當(dāng)復(fù)雜，其中很多基本概念需要研究生水平的用戶才能確切理解。而且問題并不在于大家是否有能力編寫R代碼，而是能否理解得到的結(jié)果。

這可能也正是各類企業(yè)在處理大數(shù)據(jù)時(shí)面對的***問題：獲取您執(zhí)行分析所需要的技能非常重要，但更重要的是必須利用同樣的技能解釋得到的結(jié)果。在這方面，R語言內(nèi)置有繪圖工具能夠幫助大家對關(guān)鍵性統(tǒng)計(jì)指標(biāo)進(jìn)行可視化，從而簡化理解過程。

配合微軟R Server

免費(fèi)微軟R Open能夠幫助您的分析團(tuán)隊(duì)快速上手R，且無需任何前期服務(wù)器產(chǎn)品投入。這同樣是一款能夠快速嘗試新型分析算法并利用現(xiàn)有數(shù)據(jù)回答各類問題的實(shí)用工具。這套方案能夠在整體分析生命周期內(nèi)發(fā)揮重要作用，從數(shù)據(jù)準(zhǔn)備開始，而后轉(zhuǎn)向模型開發(fā)，最終將模型轉(zhuǎn)化為能夠內(nèi)置于業(yè)務(wù)應(yīng)用中的工具。

R語言還有另一種有趣的角色，即與基于GPU的機(jī)器學(xué)習(xí)工具進(jìn)行協(xié)作。在這里，R用于協(xié)助訓(xùn)練模型以準(zhǔn)備其后續(xù)規(guī)模擴(kuò)展。微軟已經(jīng)在***的R Server版本中內(nèi)置有其自主開發(fā)的機(jī)器學(xué)習(xí)算法，因此大家可以在將其上傳至本地大數(shù)據(jù)實(shí)例或者云端前進(jìn)行測試。在最近的一次發(fā)布會上，微軟展示了這款方案的天文圖像處理能力——他們首先利用一套銀河星系資料庫對基于機(jī)器學(xué)習(xí)的分類器進(jìn)行訓(xùn)練，而后再將結(jié)果模型運(yùn)行在云托管GPU之上。

R是一種輕量化語言，專門用于處理離散型數(shù)據(jù)樣本。這意味著其***可擴(kuò)展性且能夠很好地應(yīng)對數(shù)據(jù)并行問題。同一套R模型能夠運(yùn)行在多臺服務(wù)器之上，因此快速處理大量數(shù)據(jù)變得非常簡單。大家只需要對數(shù)據(jù)進(jìn)行適當(dāng)打包，而后將其交付至R Server實(shí)例中即可。同樣的，同一組代碼亦可運(yùn)行在不同實(shí)現(xiàn)方案內(nèi)，因此針對本地?cái)?shù)據(jù)源建立的模型亦可部署在SQL Server中并用于處理Hadoop數(shù)據(jù)湖。

R簡化可操作數(shù)據(jù)模型建立方式

因此，R能夠輕松實(shí)現(xiàn)可操作性。您的數(shù)據(jù)科學(xué)團(tuán)隊(duì)能夠建立您所需要的模型，而開發(fā)者則可編寫應(yīng)用并構(gòu)建基礎(chǔ)設(shè)施以發(fā)揮這部分代碼的潛在優(yōu)勢。準(zhǔn)備就緒后，該模型將能夠快速部署甚至隨時(shí)替換為未來經(jīng)過改進(jìn)的其它模型。同樣的，我們亦可在不同應(yīng)用內(nèi)利用同一模型處理同一組數(shù)據(jù)。

作為一類常見模式，大家可以利用內(nèi)部儀表板顯示與面向客戶及消費(fèi)者的代碼相同的處理結(jié)果。大家隨后可利用此數(shù)據(jù)進(jìn)行主動(dòng)響應(yīng)，例如提供延遲與改簽信息以解決模型提出可能因天氣造成的延誤問題。隨著數(shù)據(jù)量的增加，誤報(bào)與假警報(bào)將不斷減少，這意味著模型本身得到了改進(jìn)。

在SQL Server中實(shí)現(xiàn)R支持***現(xiàn)實(shí)意義。首先，隨著微軟數(shù)據(jù)庫平臺開始成為內(nèi)部數(shù)據(jù)與云數(shù)據(jù)間乃至用戶記錄系統(tǒng)與大數(shù)據(jù)工具之間的橋梁，在數(shù)據(jù)內(nèi)納入細(xì)粒度分析工具早已成為一種必然。利用一款簡單的工具，我們可以利用R模型提供預(yù)處理結(jié)果，并將其用于SQL應(yīng)用之內(nèi)。數(shù)據(jù)庫開發(fā)者能夠配合數(shù)據(jù)分析團(tuán)隊(duì)以實(shí)現(xiàn)這些模型，且不必在構(gòu)建應(yīng)用時(shí)使用任何新型技能。

微軟已經(jīng)意識到，并非每家企業(yè)都需要或者有能力聘用數(shù)據(jù)科學(xué)家。對于各類常見分析問題，例如預(yù)測客戶流失或者在線商店中的欺詐活動(dòng)，SQL Server能夠提供一系列預(yù)定義模板及對應(yīng)模型。如此一來，用戶即可利用任何R兼容性IDE對其進(jìn)行定制，并通過PowerShell腳本完成輕松部署。

原文標(biāo)題：Microsoft’s R tools bring data science to the masses，原文作者：Simon Bisson

【51CTO譯稿，合作站點(diǎn)轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】