Azure机器学习中的R集成与常用算法介绍
1. R与Azure机器学习的集成
在Azure机器学习中集成R语言可以带来很多令人兴奋的可能性。以下是使用R进行实验的一些关键操作：
-决策树可视化：若要可视化决策树，可点击“Execute R Script”模块的第二个输出端口，即“R Device”输出端口，就能看到使用rpart构建的决策树。
-数据集获取：Azure机器学习提供了大量可用于实验的保存数据集。此外，还可以在UCI机器学习库（http://archive.ics.uci.edu/ml/datasets.html ）中找到丰富的数据集。
使用R语言模块进行实验设计时，需要将模块的输入和输出映射到R变量和数据框。同时，可以构建R脚本来进行数据采样，并利用Azure机器学习工作室内置的数据可视化工具展示结果。在此基础上，还能通过R脚本包进行数据预处理，并构建决策树来开展和部署实验。
2. 常用机器学习算法分类
常见的机器学习算法可以分为以下几类：
| 算法类别 | 说明 |
| ---- | ---- |
| 回归算法 | 用于预测具有数值结果的响应变量，如预测汽车的每加仑英里数或城市的温度。 |
| 分类算法 | 属于监督式机器学习，根据标记的训练数据推断函数，用于确定新数据集的标签。 |
| 聚类算法 | 将数据集中的数据对象划分为不同的组，使同一组内的数据对象具有较高的相似性。 |
2.1 回归算法
回归技术用于
