我们所说的机器学习可以采取多种形式。最纯净的形式提供了分析师的一组数据探索工具，ML车型，强大的解决方案算法的选择，并使用解决方案预测的道路。该亚马逊，微软，Databricks，谷歌和IBM云，让分析师不同量的控制都提供预测的API。HPE黑文按需提供了二元分类问题，在有限的预测API。
并不是每一个机器学习问题，必须从零开始解决，但是。有些问题可以在一个足够大的样本进行培训，得到更广泛的应用。例如，语音到文本，文本到语音，文本分析和脸部识别是其“罐装”的解决方案通常工作中的问题。这并不令人惊讶，一些机器学习的云提供商提供通过API这些功能，使开发人员可以将他们在他们的应用程序。
这些服务将识别语音美式英语（和一些其他语言）和抄写它。但如何给定的服务将针对给定的扬声器工作，将取决于方言和扬声器的口音，到溶液中类似的方言和口音训练的程度。微软Azure，IBM，谷歌和避风港按需所有有工作的语音到文本服务。
有许多种机器学习问题。例如，回归问题尝试从其他观察预测一个连续变量（如销售），以及分类问题试图预测类成一组给定的观测将下降（比如，垃圾邮件）。亚马逊，微软，Databricks，谷歌，HPE和IBM提供的工具来解决一系列的机器学习问题，虽然一些工具包是比别人更加完整。
在这篇文章中，我将简要讨论这六个商业机器学习的解决方案，与链接到五个全一起动手条评论我已经出版。谷歌的基于云的机器学习工具，并于3月公布的应用是，不幸的是，远远超过谷歌云机器学习的公共可用性。