1、创建Azure ML Studio工作区

选择工作空间：可以选择从头开始，或使用约70个微软提供的样本，有三种级别的工作空间可供选择：Guest Workspace、Free Workspace和标准工作区（需Azure订阅）。

Azure订阅：根据不同的Web服务级别，有DEVTEST（免费，每月限制1000个交易）和S1到S3选项（月费用从97美元到9700美元不等）。

2、了解如何使用Azure ML Studio

导入数据：将数据集拖动到实验画布上，查看数据并排除缺失大量数据的列。

数据预处理：清除缺少数据的行，再次查看数据并选择要用于预测的列。

数据分割：将数据分割成训练集和测试集。

选择学习算法：根据问题类型（回归或分类）选择合适的模型。

模型训练与评估：在训练集上训练模型，并在测试集上评估其性能。

改进模型：通过添加分支或创建新的实验来优化模型。

部署模型：将最佳模型转换为预测实验并部署为Web服务。

3、尝试演示

线性回归流示例：Microsoft提供了一套介绍性教程，涵盖了回归问题的步骤1到10，以及如何将模型转换为预测实验并将其作为Web服务发布。

4、探索Cortana智能画廊中的模型

总统竞选财务数据分析：使用来自联邦选举委员会的财务数据集，通过一系列的数据处理步骤，最终得到一个干净的分类数据集，并选择逻辑回归模型进行训练和评估。

利用ML Studio进行机器学习建模的过程包括创建工作区、数据导入与预处理、选择学习算法、模型训练与评估、模型改进以及最终的模型部署，通过这些步骤，可以有效地利用ML Studio构建和优化机器学习模型。