你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
Azure 数据科学虚拟机 (DSVM) 具有一组丰富的机器学习工具和库。 这些资源以常用语言（如 Python、R 和 Julia）提供。
DSVM 支持以下机器学习工具和库：
适用于 Python 的 Azure 机器学习 SDK
有关完整参考，请访问适用于 Python 的 Azure 机器学习 SDK。
| 类别 |
值 |
| 它是什么？ |
你可以使用 Azure 机器学习云服务来开发和部署机器学习模型。 可以使用 Python SDK 在生成、训练、缩放和管理模型时跟踪模型。 将模型部署为容器，并在云中、在本地或在 Azure IoT Edge 上运行它们。 |
| 支持的版本 |
Windows（conda 环境：AzureML），Linux（conda 环境：py36） |
| 典型用途 |
常规机器学习平台 |
| 如何配置或安装它？ |
使用 GPU 支持安装 |
| 如何使用或运行它 |
作为 Python SDK 在 Azure CLI 中使用。 激活到 Windows 版本上的 conda 环境 AzureML，或者激活到 Linux 版本上的 py36。 |
| 指向示例的链接 |
请在 AzureML 目录的笔记本下查找示例 Jupyter 笔记本。 |
H2O
| 类别 |
值 |
| 它是什么？ |
一个开源 AI 平台，支持可缩放的内存中分布式快速机器学习。 |
| 支持的版本 |
Linux |
| 典型用途 |
常规用途的分布式可缩放机器学习 |
| 如何配置或安装它？ |
H2O 安装在 /dsvm/tools/h2o 中。 |
| 如何使用或运行它 |
使用 X2Go 连接到 VM。 启动新的终端并运行 java -jar /dsvm/tools/h2o/current/h2o.jar。 然后，启动 Web 浏览器并连接到 http://localhost:54321。 |
| 指向示例的链接 |
请在 VM 上 Jupyter 中的 h2o 目录下查找示例。 |
DSVM 上还有其他几个机器学习库，如适用于 DSVM 的 Anaconda Python 分发版中的常用 scikit-learn 包。 有关可用的 Python、R 和 Julia 包的列表，请运行相应的包管理器。
LightGBM
| 类别 |
值 |
| 它是什么？ |
一个快速、分布式、高性能的梯度提升（GBDT、GBRT、GBM 或 MART）框架，基于决策树算法。 机器学习任务（排名、分类等）将使用它。 |
| 支持的版本 |
Windows、Linux |
| 典型用途 |
常规用途的梯度提升框架 |
| 如何配置或安装它？ |
在 Windows 上，LightGBM 将作为 Python 包进行安装。 在 Linux 上，命令行可执行文件位于 /opt/LightGBM/lightgbm 中。 安装了 R 包，并安装了 Python 包。 |
| 指向示例的链接 |
LightGBM 指南 |
Rattle
| 类别 |
值 |
| 它是什么？ |
针对使用 R 的数据挖掘的图形用户界面。 |
| 支持的版本 |
Windows、Linux |
| 典型用途 |
R 适用的常规 UI 数据挖掘工具 |
| 如何使用或运行它 |
作为 UI 工具使用。 在 Windows 上，启动命令提示符，运行 R，然后在 R 中运行 rattle()。 在 Linux 上，使用 X2Go 连接，启动终端，运行 R，然后在 R 中运行 rattle()。 |
| 指向示例的链接 |
Rattle |
Vowpal Wabbit
| 类别 |
值 |
| 它是什么？ |
一个快速的开放源代码外存学习系统库 |
| 支持的版本 |
Windows、Linux |
| 典型用途 |
常规机器学习库 |
| 如何配置或安装它？ |
Windows：msi 安装程序
Linux：apt-get |
| 如何使用或运行它 |
作为 on-path 命令行工具（Windows 上为 C:\Program Files\VowpalWabbit\vw.exe，Linux 上为 /usr/bin/vw） |
| 指向示例的链接 |
VowPal Wabbit 示例 |
Weka
| 类别 |
值 |
| 它是什么？ |
适用于数据挖掘任务的机器学习算法的集合。 你可以直接应用算法，也可以从自己的 Java 代码调用它们。 Weka 包含用于数据预处理、分类、回归、群集、关联规则和可视化的工具。 |
| 支持的版本 |
Windows、Linux |
| 典型用途 |
常规机器学习工具 |
| 如何使用或运行它 |
在 Windows 上，在“开始”菜单中搜索 Weka。 在 Linux 上，使用 X2Go 进行登录，然后转到“应用程序”>“开发”>“Weka”。 |
| 指向示例的链接 |
Weka 示例 |
XGBoost
| 类别 |
值 |
| 它是什么？ |
一个快速、可移植的分布式梯度提升（GBDT、GBRT 或 GBM）库，适用于 Python、R、Java、Scala、C++ 等。 它可在单台计算机、Apache Hadoop 和 Spark 上运行。 |
| 支持的版本 |
Windows、Linux |
| 典型用途 |
常规机器学习库 |
| 如何配置或安装它？ |
使用 GPU 支持安装 |
| 如何使用或运行它 |
作为 Python 库（2.7 和 3.6+）、R 程序包，以及 on-path 命令行工具（C:\dsvm\tools\xgboost\bin\xgboost.exe 适用于 Windows，/dsvm/tools/xgboost/xgboost 适用于 Linux） |
| 指向示例的链接 |
虚拟机上包含了示例，在 Linux 上位于 /dsvm/tools/xgboost/demo 中，在 Windows 上位于 C:\dsvm\tools\xgboost\demo 中。 |