微软发布了一个基于azure的新工具的预览版，该工具可以帮助组织在Web控制台进行机器学习和预测分析。
我有机会工作，Azure的ML相当广泛，并已经能够协同建立的机器学习模型WAY更快，更容易比我们已经能够与像SAS，SPSS和R.传统工具做
该工具允许导入数据(或实时HTTP访问实时数据)，然后进行传统的统计分析建模、计算、比较分析、预测等。Azure ML之所以成为我们分析工作中更好的协作工具，是因为我们能够共享数据、共享模型，并提供对数据模型web视图的访问(通过权限)，而不必在用户之间移动项目数据。
通常我们会创建一个模型，然后要么剪切/粘贴算法，并将它们发送到彼此，或保存数据模型和发送整个数据模型给他人。在许多情况下，我们并不一定要分享或放弃的数据模型信息给他人，而在其他情况下，我们会在版本控制问题时正在编辑和整个工作组交换数据模型上运行。
随着Azure的ML，数据，模型，分析，一切都在微软的Azure保持了共享访问的实验和模型。我们能够控制，我们能够以我们的模型结果的设置Web视图模型而没有放弃访问在后端的实际模型分析法。
我们能够一天修改、修改、回顾和更改模型几次(在某些情况下是一小时几次)，这在过去需要花费我们几天的时间才能完成。
因此，有了这个新工具，我们开始以一种方式利用这个工具，将我们已经在做的旧的时尚的方式，并把它变成一个生产模式，一个非常高的能见度的现实世界的场景。
这是一个真实的场景，我们使用Azure ML:
场景：“使用微软Azure ML预测2014年美国国会选举结果”
背景:2014年美国国会选举的竞选资金支出将超过历史上任何时候，评估和预测选举结果的能力2020欧洲杯夺冠热门具有重要意义。美国众议院的每一个席位都将在今年秋天进行选举，共和党希望在2016年总统选举中保持多数席位。随着2016年大选的临近，民主党将非常希望重新夺回众议院，并在参众两院都拥有多数席位。如果民主党控制了国会参众两院，他们很有可能在2016年选出一位民主党总统。如果共和党继续控制众议院席位和潜在的收益,他们有更好的机会在2016年共和党在白宫,可以撤销奥巴马总统制定的很多东西在过去的8年。
模型：这个模型已经从全国范围内收集数据从2008年国会选举,2010年和2012年从2008 - 2014年选民登记数据,趋势在较早的选举中,每个选区选民的每2014举行初选,卷,实时数据的评估候选人代表大会2014年秋季选举。该模型采用逻辑回归模型，并利用多个数据流的预测分析来确定每个地区的选举结果。
初步报告-加州:我们生成了一份关于加州数据的初步报告，显示第25和第33选区在统计上是不可预测的，在第33选区的例子中，共和党候选人在2014年6月/初选中获得了更多的选票，但是考虑到现任者是民主党人，倾向于现任者获胜。加州第33选区可以采取任何一种方式，因此竞选团体需要谨慎地提供特别资金来左右选举的方向。
加利福尼亚州25区有2名共和党争夺秋季选举（加州只有少数几个国家，其中同方的2名成员可以在秋季的最后参选，而大多数州，初选选择1共和党和1民主党的一个互相反对在秋季运行）。加利福尼亚州25区有一个独特的挑战，其中执政党有2名候选人对对方运行，但具有非常不同的政治观点和喜好（茶党保守派VS共和党温和派），众议院领袖在华盛顿将需要确定是否一个“双赢”由任一这些个体是优选的或没有在最终结果。
到目前为止，这个模型已经成功地预测了加州的初选，在撰写这篇文章的时候，我们已经上传了代表大约2/3已经举行初选的国会席位的全国选区的数据。
然后最终的重点将是秋季大选，并利用这些信息做了最好的预测工作可能...
Azure ML是一个非常棒的工具，我们将在许多其他场景中使用它，包括医疗、银行、保险、生命科学、零售、社交媒体等等。
微软的网站为天青ML可达上http://azure.microsoft.com/en-us/campaigns/machine-learning/