機器學習框架ML.NET學習筆記【1】基本概念與系列文章目錄

1、序言

       微軟的機器學習框架於2018年5月出了0.1版本，2019年5月發佈1.0版本。期間各版本之間差別（包括命名空間、方法等）仍是比較大的，隨着1.0版發佈，應該是趨於穩定了。以前在園子裏也看到很多相關介紹的文章，對個人學習提供了很多幫助。因爲目前資料不是很豐富，因此學習過程當中也走了很多彎路，本系列的文章主要記錄我學習過程當中的一些心得體會，並對一些細節會作詳細的解釋，但願能爲機器學習零基礎的同窗提供一些幫助。（C#零基礎可不行）

 

2、基本概念

一、什麼是機器學習？
定義：一個電腦程序要完成任務（T），若是電腦獲取的關於T的經驗（E）越多就表現（P）得越好，那麼咱們就能夠說這個程序‘學習’了關於T的經驗。

簡單解釋什麼叫「機器的學習」：若是輸入的經驗越多表現的越好，這就叫「學習」。舉個例子：傳統的程序邏輯是基於算法的，在算法不變的狀況下，程序就是運行100年能力也不會有提高，但機器學習是基於數據（樣本）的，在算法不變的狀況下，累計的有效數據越多，程序表現能力就越強。

 

二、經過機器學習解決問題和傳統算法解決問題的區別

須要解決的問題：會議室進來一位男生，請他站在攝像頭前面，經過一個程序評價一下這位男生身材是否很好。

（1）傳統解決方案

  首先咱們分析要判斷一我的身材是否很好，主要的判斷特徵包括：身高、體重、三圍等等，而後經過一個衡量算法（好比BMI）進行計算，流程以下：

 

（2）機器學習算法

   機器學習是依賴樣本數據的，因此解決這個問題的思路是這樣的：

①首先你得上街去收集數據，詢問你採訪對象的身高、體重、三圍數據，而後根據你的經驗給他一個評判，造成下表：

②對收集到的數據進行訓練，造成模型，而後經過模型對要判斷的對象進行評判。流程以下：

 

小結：經過這個問題的解決，感受經過機器學習來解決問題比傳統方法麻煩多了，是的，對於身材判斷這樣的問題，人類能夠很簡單找到一個邏輯分析的方法，因此經過邏輯算法解決就比較方便，但有時候不少事情咱們人類是很容易處理的，但咱們殊不知道其中的邏輯，好比：判斷一張圖片是不是18+圖片，判斷一片論文是否寫得很好，判斷一我的是否長得漂亮等等。這些問題人類很輕鬆就能處理，但沒法總結出其中的規律並交給機器去執行，這時候機器學習算法就能夠派上用場了。

 

 3、機器學習的流程

 機器學習的流程以下：

數據準備 -> 建模 -> 訓練 -> 評估 -> 應用
在實際應用時，因爲訓練的過程可能時間比較長，因此咱們會分兩個階段進行：
一、學習階段：數據準備 -> 建模 -> 訓練 -> 評估 -> 保存模型
二、消費階段：讀取模型 -> 應用

評估的過程就是對模型的檢驗，咱們通常會把樣本數據隨機分紅兩份，其中一部分用來學習，另外一部分用來檢驗模型效果，判斷一下咱們的模型能力。

 

以上是涉及到機器學習的有些最基礎的理論知識，下面幾篇文章會由淺入深介紹ML.NET的一些應用。

系列文章目錄：

機器學習框架ML.NET學習筆記【1】基本概念

機器學習框架ML.NET學習筆記【2】入門之二元分類

機器學習框架ML.NET學習筆記【3】文本特徵分析

機器學習框架ML.NET學習筆記【4】手寫數字識別

機器學習框架ML.NET學習筆記【5】手寫數字識別（續）

機器學習框架ML.NET學習筆記【6】TensorFlow圖片分類

機器學習框架ML.NET學習筆記【7】人物圖片顏值判斷

機器學習框架ML.NET學習筆記【8】目標檢測

機器學習框架ML.NET學習筆記【9】自動學習

 

資源下載：

項目源碼：https://github.com/seabluescn/Study_ML.NET

資源文件：https://gitee.com/seabluescn/ML_Assets

（因爲資源文件較大，因此放在碼雲平臺提供下載）