阿里云机器学习平台是基于阿里云的云计算平台，具有超大规模的数据处理能力和分布式的存储能力，同时整个模型支持超大规模的建模以及计算。

该智能平台主要分为三层：

• 第一层：Web UI界面
• 第二层：机器学习算法层
• 第三层：MAXCOMPUTE平台层

Web UI界面

阿里云机器学习平台的Web UI界面如下图所示：

主要区域

Web UI界面主要由如下区域组成：

• 主要功能区：展示了各组件名称。
• 画布区：使用者可以用鼠标将相应的组件拖拽到画布上，形成一个有向的工作流，完成从元数据到数据处理再到建模等一系列的数据挖掘工作。
• 属性区：该区域可以设置组件内参数的信息。

主要功能

Web UI界面主要功能如下：

• 搜索功能：当有很多数据、表、实验时，可以通过搜索功能快速查找所需的资料。
• 实验列表：通过单击实验名称，在画布上显示该实验的有向实验流图，可以继续之前没有完成的实验。
• 数据表：类似于文件管理器，可以查看所有的数据表。
• 算法和工具列表：包含了常用的机器学习算法组件等核心功能。
• 模型列表：通过该功能，使用者可以管理所有的模型。

算法平台

阿里云机器学习平台拥有完整的算法库，如下图所示：

通常情况下，一个数据智能应用的完整链路很长，从数据的ETL到预处理、特征工程、模型训练、评估和服务。以前经常不得不在多个工具中来回穿梭才能完成任务，而机器学习平台致力于打造一站式的开发环境，提供了从元数据到模型部署整套流程。通过基本组件，可以搭建各个垂直场景下的解决方案，节省了大量切换环境的损耗。一个典型的算法开发流程如下：

完善的数据挖掘组件

提供整套的数据挖掘组件，包括数据的预处理、特征抽取、模型训练、预测和评估。将数据导入平台后，可通过拖拉的方式，借助实验组件灵活地拼装自己的试验流程来解决自身的业务场景。

可视化建模

操作界面通过拖拉拼接实验，提供了可视化建模的功能，方便您的操作。从左边的组件框中拖拉组件到右边的实验区即可进行实验的搭建，如下图所示。

数据可视化

对于每个输出型组件，都可以通过右键单击组件来查看可视化输出模型。可视化输出有多种表示方法，包括折线图、点图和柱形图，如下图所示。

模型可视化

模型的可视化管理：在左侧的菜单中选择模型页签，打开实验模型文件夹，可查看所有实验的模型列表。右键单击模型，选择查看模型，即可查看对应的模型结果，如下图所示。

算法组件

阿里云机器学习平台包含数据预处理、特征工程、统计分析、机器学习、深度学习框架、预测与评估这一整套的机器学习算法组件，共100余种。同时包含了Tensorflow、Caffe、MXNet这三款主流的机器学习框架，底层提供M40型号的GPU卡进行训练。