ML.NET 示例中文版, 英文原版请访问: https://github.com/dotnet/machinelearning-samples
ML.NET 示例
ML.NET 是一个跨平台的开源机器学习框架, 使. NET 开发人员使用机器学习变得很容易.
在这个 GitHub 存储库中, 我们提供了示例, 这些示例将帮助您开始使用 ML.NET, 以及如何将 ML.NET 加入到现有的和新的. NET 应用程序中.
注意: 请在机器学习存储库 https://github.com/dotnet/machinelearning/issues 中打开与 ML.NET 框架相关的问题. 请仅当您遇到此存储库中的示例问题时, 才在存储库中创建该问题.
存储库中有两种类型的示例 / 应用程序:
入门 : 针对每个机器学习任务或领域的 ML.NET 代码示例, 通常作为简单的控制台应用程序实现.
终端应用程序 : 使用 ML.NET 进行机器学习的 web, 桌面, 移动和其他应用程序的实际例子
根据场景和机器学习问题 / 任务, 官方 ML.NET 示例被分成多个类别, 可通过下表访问:
二元分类 | ||
情绪分析 C#
| 垃圾信息检测 < br ztid="77" ow="0" oh="0">C#
| 欺诈识别 < br ztid="86" ow="0" oh="0">C#
|
心脏病预测 C#
| ||
多类分类 | ||
问题分类 C#
| 鸢尾花分类 C#
| 手写数字识别 < br ztid="127" ow="0" oh="0">C#
|
建议 | ||
产品推荐 < br ztid="138" ow="0" oh="0">C# | 电影推荐 < b ztid="146" ow="65" oh="46"> C#
| 电影推荐 (E2E app) C#
|
回归测试 | ||
价格预测 < br ztid="166" ow="0" oh="0">C#
| 销售预测 < br ztid="176" ow="0" oh="0">C# | 需求预测 < br ztid="186" ow="0" oh="0">C#
|
聚类分析 | ||
客户细分 < br ztid="198" ow="0" oh="0">C#
| 鸢尾花聚类 < br ztid="207" ow="0" oh="0">C#
| |
异常情况检测 | ||
销售高峰检测 < br ztid="220" ow="0" oh="0">C#
| 电力异常检测 < br ztid="231" ow="0" oh="0">C#
| |
计算机视觉 | ||
图像分类 < br ztid="244" ow="0" oh="0"> (TensorFlow 模型评分) C#
| 图像分类 < br ztid="255" ow="0" oh="0"> (TensorFlow 估算器) C#
| 目标检测 < br ztid="266" ow="0" oh="0"> (ONNX 模型评分)
|
交叉情景 | ||
Web API 上的可扩展模型 < br ztid="288" ow="0" oh="0">C#
| 数据库训练模型 < br ztid="296" ow="0" oh="0">C#
| 可扩展的 Blazor Web 应用程序 < br ztid="304" ow="0" oh="0">C#
|
自动生成 ML.NET 模型(预览状态)
前面的示例向您展示了如何使用 ML.NET API 1.0(发布于 2019 年 5 月).
但是, 我们还在努力通过其他技术简化 ML.NET 的使用, 这样您就不需要自己编写代码来训练模型, 只需提供数据集即可, ML.NET 将为您自动为您自动生成 "最佳" 模型和运行它的代码.
这些用于自动生成模型的附加技术处于预览状态, 目前只支持二进制分类, 多类分类和回归. 在未来的版本中, 我们将支持额外的 ML 任务, 如建议, 异常检测, 聚类分析等.
CLI 示例:(预览状态)
ML.NET CLI(命令行界面)是一个可以在任何命令提示符 (Windows,Mac 或 Linux) 上运行的工具, 用于根据您提供的训练数据集生成高质量的 ML.NET 模型. 此外, 它还生成示例 C#代码以运行 / 评分该模型以及用于创建 / 训练它的 C# 代码, 以便您可以研究它使用的算法和设置.
CLI(命令行界面)示例 |
---|
二元分类示例 |
多类分类示例 |
回归测试示例 |
自动化机器学习 API 示例:(预览状态)
ML.NET AutoML API 基本上是一组打包为 NuGet 包的库, 您可以在. NET 代码中使用它们. AutoML 消除了选择不同算法, 超参数的任务. AutoML 将智能地生成许多算法和超参数组合, 并为您找到高质量的模型.
自动化机器学习 API 示例 |
---|
二元分类示例 |
多类分类示例 |
回归测试示例 |
高级实验示例 |
其他 ML.NET 社区示例
除了微软提供的 ML.NET 示例之外, 我们还列出了社区创建的示例, 这些示例位于单独的页面中:
ML.NET 社区示例
这些社区示例不是由微软维护, 而是由其所有者维护.
如果您已经创建了任何很酷的 ML.NET 示例, 请将其信息添加到此 REQUEST issue , 我们最终将在上面提到的页面发布其信息.
了解更多
教程, 机器学习基础知识等详细信息, 请参阅 ML.NET 指南 .
API 参考
请查看 ML.NET API 参考, 了解各种可用的 API.
贡献
我们欢迎贡献! 请查看我们的贡献指南.
社区
请加入我们的 Gitter 社区
这个项目采用了贡献者契约 http://contributor-covenant.org/ 规定的行为准则, 以表明我们社区的预期行为. 有关更多信息, 请参见. NET 基金会行为准则 https://dotnetfoundation.org/code-of-conduct .
许可证
ML.NET 示例 https://github.com/dotnet/machinelearning-samples 根据 MIT 许可证获得许可.
来源: https://www.cnblogs.com/feiyun0112/p/10940661.html