原文：
www.kdnuggets.com/2014/08/openml-share-discover-do-machine-learning.html
最近，一篇有趣的论文介绍了OpenML，这可能提供了一种挖掘数据的替代方法。不要混淆。这里介绍的 OpenML 是一个开放科学平台，正如其名称所示，机器学习研究人员可以在这里分享他们的所有数据集、算法和实验。它的标志由四种颜色组成，每种颜色代表 OpenML 的一个重要部分。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持组织中的 IT 工作
以下是 OpenML 的四个关键数字。（截至 2014 年 8 月 11 日）
***230 个数据集。***这些是机器学习的输入数据——如蘑菇数据库、垃圾邮件、字母图像识别等。每个数据集提供了属性的简要描述，如默认准确度、类别数、特征数等。
***1172 个任务。***如果研究人员想要操作数据，则会创建任务。这些任务分为四种类型：监督分类、学习曲线、监督数据流分类和监督回归，具体取决于期望分享的结果类型。所有用户都可以下载并解决这些任务。
***364 个流程。***流程是解决 OpenML 任务的算法、工作流或脚本的实现，通常通过插件完成。科学家们还可以上传实际代码或通过 URL 引用它，如果代码托管在 GitHub 或其他开源平台上。在每个流程页面上，都会比较该流程运行过的所有任务的结果。
24990 次运行。尝试解决任务并获得所需输出称为一次运行。以运行 24980 为例。它在任务 36上执行Flow weka.Bagging_SMO_PolyKernel(1)，这是对数据集segment的监督分类。它还提供了评估结果，如 AUC、混淆矩阵、预测准确性等。人们可以轻松比较同一任务上的所有运行结果。
值得一提的是，OpenML 可以与其他机器学习工具集成，如 Weka、R，以便人们可以自动上传数据和代码。例如，在 Weka 中，我们可以添加多个任务和 Weka 算法进行运行。插件将下载所有数据，在每个任务上运行每个算法，然后自动将结果上传到 OpenML。手动运行上传目前正在开发中。人们只能通过插件或 API（Java/R）上传运行结果。
OpenML 还是 Kaggle？
开源平台的好处随着用户的增加而增长。当人们开始熟悉 OpenML 时，上述数字肯定会增加，或者当你阅读这篇文章时可能已经在增长。OpenML 的一个明显好处是研究人员可以定义自己的任务，并构建算法来解决其他任务。所有共享的结果都在线存储和组织，方便访问、重用和讨论。
你可能会想到 Kaggle，人们也可以在上面下载数据集并评估不同的算法。然而，OpenML 的设计目的是共享和比较研究结果。它侧重于合作，而不是竞争。在 Kaggle 竞赛中展示机器学习技能是个好主意。但只要进行足够的运行，OpenML 将是一个发现新知识的地方。
Ran Bi 是纽约大学数据科学项目的硕士生。在 NYU 学习期间，她完成了多个机器学习、深度学习及大数据分析的项目。她的本科背景是金融工程，因此也对商业分析感兴趣。
相关：
-
Prediction.io 开源机器学习服务器
-
MLlib：Apache Spark 的机器学习组件
-
当 Watson 遇到机器学习