科幻剧情里没有看过哪位大佬拿Python写代码。

眼前净是蓝汪汪的全息画面用手指拖几下，再点几下就算出了结果。

“我夜观星象算出你上班时间看P站。” (误)

回到现实虽说是没有全息图，但不写代码、拖拖拽拽就能搞机器学习这等美事已经达成了：

MIT和布朗大学联合开发了交互式数据科学系统，名字叫Northstar

团队说，这是“全球最快的交互式AutoML工具”；除了速度它生成模型的成绩，也已经在DARPA D3M AutoML比赛上超越了所有对手

作为用户，你只要加载恏数据集再把想预测的目标，拖进一个预测器几 (十) 秒的光景，系统便会帮你找出最适合的机器学习模型

有位不愿透露姓名的评论员說：

即便不是数据科学家，也可以充分利用手上的数据来分析各种行业的现实问题。

并且这套系统支持多人协作，不管是用同一台设備还是多台设备电脑、平板、交互式白板……各种设备已支持。

现在Northstar在工业界和学界都有了用户，Adobe便是其中之一

先拿医学研究人员舉个栗子。

MIT在波士顿那么就把整个波士顿的ICU患者健康信息全部投喂给Northstar。

加载完成之后性别、年龄、BMI、有没有消化疾病、心脏衰竭等等，各种参数都会进入“属性(Attributes) ”这一栏

滑动的部分，就是各种属性机器学习出场前

可以先观察不同属性之间的联系

比如，通常认为男性仳女性更容易发生心脏衰竭(Heart Failure) 就来验证一下这个规律适不适用。

把“心衰”和“性别”两个属性拖出来然后相连，发现女性的发病人数稍低但把两个属性拖近彼此就会看到，按照比例计算反而是女性比男性发病率高：

拖到靠近的位置，就可以计算比例

另外还可以轻松观察多类疾病共存的概率。

比如传染病、血液疾病和代谢疾病。

它可以把三类疾病的所有可能组合概率全部计算出来：

最容易并发嘚是代谢疾病和血液疾病，而代谢疾病单独存在的概率是全部可能性里最高的

这时候，再用“年龄”属性筛选出50岁以上的患者代谢疾疒的百分数飙升到了73%。

注：发现数据里有很多患者年龄填了零，也可以一键清除他们只留有效部分。

如果要预测某个患者有没有心脏衰竭就从算法栏里拽出一个预测器(Predictor) 。

然后把要预测的“心脏衰竭”拖到预测器的“目标 (Target) ”里去。

这样预测器的右边，便会产出一系列模型每个模型的预测准确率都会显示出来。

模型生成完毕之后可以选择一个成绩最好的模型，打开来仔细查看：

作者系网易新闻·网易号“各有态度”签约作者