ML.NET---.NET下的機器學習引擎（簡介）

ML.NET 是一個跨平臺的開源機器學習框架，它能夠使 .NET 開發人員更容易的開展機器學習工做.

ML.NET 容許 .NET 開發人員開發本身的模型，即便沒有機器學習的開發經驗，也能夠很容易的將自定義的機器學習模型嵌入到其應用程序中。

ML.NET 最初是在 microsoft research 中被開發的, 在過去十年裏它已經發展成爲一個重要的框架, 並在 microsoft 的許多產品組 (如 windows、bing、powerpoint、excel 等) 中被普遍使用。

ML.NET 支持機器學習任務, 如分類 (例如: 支持文本分類、情緒分析) 和迴歸 (例如, 價格預測)。

安裝

ML.NET 使用 .NET Core, 能夠使其運行在 Windows, Linux, and macOS 平臺下， Windows 平臺下使用 .NET Framework. 64 位框架 。 32 位 只能夠在 Windows 平臺下獲取支持,可是 TensorFlow, LightGBM, ONNX 等相關功能不能使用。

當前版本是0.9 版本信息

首先，確保你已經安裝 .NET Core 2.1 或者更新的版本. ML.NET 也能夠工做在 .NET Framework 4.6.1 或者更新的版本, 可是推薦使用 4.7.2 或者更新的版本.

一旦你建立好了一個APP，你就能夠安裝經過.NET Core CLI或者NuGet安裝ML.NET：

dotnet add package Microsoft.ML

經過 NuGet 包管理器安裝:

Install-Package Microsoft.ML

你也能夠在Visual Studio的NuGet管理器中安裝Microsoft.ML包。

建立

從源碼建立 ML.NET 請訪問 開發者嚮導.

	Debug	Release
Linux
macOS
Windows x64
Windows x86
Core 3.0

示例

下面是一個經過文本數據來進行預測情緒的示例。

var mlContext = new MLContext();
var reader = mlContext.Data.TextReader(new TextLoader.Arguments
        {
        Column = new[] {
            new TextLoader.Column("SentimentText", DataKind.Text, 1),
            new TextLoader.Column("Label", DataKind.Bool, 0),
        },
        HasHeader = true,
        Separator = ","
});
var data = reader.Read(dataPath);
var learningPipeline = mlContext.Transforms.Text.FeaturizeText("SentimentText", "Features")
        .Append(mlContext.BinaryClassification.Trainers.FastTree());
var model = learningPipeline.Fit(data);

如今經過上面訓練的模型進行情緒預測

var predictionEngine = model.CreatePredictionEngine<SentimentData, SentimentPrediction>(mlContext);
var prediction = predictionEngine.Predict(new SentimentData
{
    SentimentText = "Today is a great day!"
});
Console.WriteLine("prediction: " + prediction.Prediction);

這裏有一本 cookbook 教你怎樣在不一樣的場景中使用這些API 點擊這裏學習.

API 文檔

參見 ML.NET API 參考文檔.

示例

ML.NET 示例庫 你能夠在這裏學習具體的使用場景和方法。

License

ML.NET 遵照如下許可 MIT license.