ML.NET---.NET下的机器学习引擎（简介）

ML.NET 是一个跨平台的开源机器学习框架，它可以使 .NET 开发人员更容易的开展机器学习工作.

ML.NET 允许 .NET 开发人员开发自己的模型，即使没有机器学习的开发经验，也可以很容易的将自定义的机器学习模型嵌入到其应用程序中。

ML.NET 最初是在 microsoft research 中被开发的, 在过去十年里它已经发展成为一个重要的框架, 并在 microsoft 的许多产品组 (如 windows、bing、powerpoint、excel 等) 中被广泛使用。

ML.NET 支持机器学习任务, 如分类 (例如: 支持文本分类、情绪分析) 和回归 (例如, 价格预测)。

安装

ML.NET 使用 .NET Core, 可以使其运行在 Windows, Linux, and macOS 平台下， Windows 平台下使用 .NET Framework. 64 位框架。 32 位只可以在 Windows 平台下获取支持,但是 TensorFlow, LightGBM, ONNX 等相关功能不能使用。

当前版本是0.9 版本信息

首先，确保你已经安装 .NET Core 2.1 或者更新的版本. ML.NET 也可以工作在 .NET Framework 4.6.1 或者更新的版本, 但是推荐使用 4.7.2 或者更新的版本.

一旦你创建好了一个APP，你就可以安装通过.NET Core CLI或者NuGet安装ML.NET：

dotnet add package Microsoft.ML

通过 NuGet 包管理器安装:

Install-Package Microsoft.ML

你也可以在Visual Studio的NuGet管理器中安装Microsoft.ML包。

创建

从源码创建 ML.NET 请访问开发者向导.

	Debug	Release
Linux
macOS
Windows x64
Windows x86
Core 3.0

示例

下面是一个通过文本数据来进行预测情绪的示例。

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);

现在通过上面训练的模型进行情绪预测

var predictionEngine = model.CreatePredictionEngine<SentimentData, SentimentPrediction>(mlContext);

var prediction = predictionEngine.Predict(new SentimentData

{

    SentimentText = "Today is a great day!"

});

Console.WriteLine("prediction: " + prediction.Prediction);

这里有一本 cookbook 教你怎样在不同的场景中使用这些API 点击这里学习.

API 文档

参见 ML.NET API 参考文档.

示例

ML.NET 示例库你可以在这里学习具体的使用场景和方法。

License

ML.NET 遵守以下许可 MIT license.