點(diǎn)擊上方藍(lán)字

關(guān)注我們

（本文閱讀時(shí)間：7分鐘）

本篇文章簡要介紹 ML.NET 背景和面向 .NET 開發(fā)的特色功能，以及典型的機(jī)器學(xué)習(xí)編碼示例，并分享自己整理的 ML.NET API 速查手冊(cè)。

微軟MVP實(shí)驗(yàn)室研究員

項(xiàng)斌

微軟全球最有價(jià)值專家 MVP，《PyTorch機(jī)器學(xué)習(xí)從入門到實(shí)戰(zhàn)》作者之一，杭州 FireUG 技術(shù)社區(qū)發(fā)起人之一。超過15+ 年 .NET 開發(fā)經(jīng)歷，在數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、自動(dòng)化領(lǐng)域近十年從事研發(fā)工作。

ML.NET 簡介

ML.NET 是面向.NET開發(fā)人員的跨平臺(tái)機(jī)器學(xué)習(xí)框架，它具備在聯(lián)機(jī)或本地環(huán)境中將機(jī)器學(xué)習(xí)模型集成到 .NET 應(yīng)用程序中的能力。

2002 年微軟啟動(dòng)有一個(gè)研究項(xiàng)目命名為 TMSN，其意在“Test mining search and navigation”，后來它被改名為 TLC（The learning code）。ML.NET 正是派生自 TLC 庫，最初被用于微軟的內(nèi)部產(chǎn)品。

ML.NET 的核心既可以通過指定算法來訓(xùn)練自定義機(jī)器學(xué)習(xí)模型，也可以導(dǎo)入預(yù)訓(xùn)練的 TensorFlow 和 ONNX 模型繼續(xù)訓(xùn)練。生成模型后，可以將其添加到應(yīng)用程序中進(jìn)行預(yù)測(cè)。ML.NET 支持在使用 .NET Core/.NET Framework 的 Windows、Linux 和 macOS 上運(yùn)行，所有平臺(tái)均支持 64 位，此外 Windows 平臺(tái)支持 32 位，但 TensorFlow、LightGBM 和 ONNX 相關(guān)功能除外。

ML.NET 集成了眾多主流的轉(zhuǎn)換器、算法庫，通過 API 提供了豐富的數(shù)據(jù)處理對(duì)象和算法評(píng)估器，并且對(duì) Infer.NET、NimbusML、Scikit-Learn、TensorFlow 等機(jī)器學(xué)習(xí)相關(guān)的包提供了方便地?cái)U(kuò)展機(jī)制。如果您是一位 .NET 開發(fā)者，您將很輕松地上手使用，并且將成果無縫集成到 .NET Core 應(yīng)用程序中，特別是 ASP.NET Core 的 Web 應(yīng)用中實(shí)現(xiàn)一些高級(jí)的智能服務(wù)。

邏輯回歸模型示例

簡單示例訓(xùn)練一個(gè)用于二分類的邏輯回歸模型代碼如下：

//Step 1. Create an ML Context var ctx = new MLContext();//Step 2. Read in the input data from a text file for model training IDataView trainingData = ctx.Data.LoadFromTextFile<ModelInput>(dataPath, hasHeader: true);//Step 3. Build your data processing and training pipeline var pipeline = ctx.Transforms.Text.FeaturizeText("Features", nameof(SentimentIssue.Text)).Append(ctx.BinaryClassification.Trainers.LbfgsLogisticRegression("Label", "Features"));//Step 4. Train your model ITransformer trainedModel = pipeline.Fit(trainingData);//Step 5. Make predictions using your trained model var predictionEngine = ctx.Model.CreatePredictionEngine<ModelInput, ModelOutput>(trainedModel);var sampleStatement = new ModelInput() { Text = "This is a horrible movie" };var prediction = predictionEngine.Predict(sampleStatement);

ML.NET 目前在 Github 上以開源項(xiàng)目進(jìn)行持續(xù)更新迭代，最新的版本為1.6。

• 開源項(xiàng)目示例

  https://github.com/dotnet/machinelearning

ML.NET 特色

ML.NET 支持的熱門機(jī)器學(xué)習(xí)任務(wù)覆蓋眾多，包括了傳統(tǒng)的分類、回歸、聚類，也支持了有關(guān)時(shí)序和圖像神經(jīng)網(wǎng)絡(luò)。目前已知的應(yīng)用場景例如：情緒分析、產(chǎn)品推薦、價(jià)格預(yù)測(cè)、客戶分層、對(duì)象檢測(cè)、欺詐檢測(cè)、峰值檢測(cè)、圖像分類、銷量預(yù)測(cè)等等。

ML.NET 對(duì) .NET 開發(fā)者非常友好，它提供了 Visual Studio 擴(kuò)展 Model Builder， 這是一個(gè)可視化的工具套件，以非常低門檻的操作要求即可快速訓(xùn)練出指定任務(wù)類型的機(jī)器學(xué)習(xí)模型，并且自動(dòng)生成相關(guān)的源碼，方便后續(xù)修改和維護(hù)。對(duì)于喜歡通過代碼方式進(jìn)行機(jī)器學(xué)習(xí)任務(wù)的伙伴，官方提供了豐富的文檔和示例代碼庫。

另外，ML.NET 針對(duì) CLI 也提供了命令行工具，而且是支持 AutoML 的，使得常見的機(jī)器學(xué)習(xí)場景實(shí)現(xiàn)零編碼。

• 文檔

  https://docs.microsoft.com/en-us/dotnet/machine-learning

• 示例代碼庫

  https://github.com/dotnet/machinelearning-samples

速查手冊(cè)

通過 AutoML 生成的代碼一開始閱讀起來會(huì)有一點(diǎn)點(diǎn)不習(xí)慣，也不利于后續(xù)改造代碼以適應(yīng)開發(fā)者的實(shí)際需要。如果從來沒有接觸過機(jī)器學(xué)習(xí)的開發(fā)者，可能會(huì)擔(dān)心記不住、看不懂、用不慣 ML.NET API 文檔中密密麻麻基于專業(yè)術(shù)語的對(duì)象和方法，鑒于收集到如是實(shí)際開發(fā)者反饋的障礙，作者將 ML.NET API 按經(jīng)典的機(jī)器學(xué)習(xí)實(shí)現(xiàn)步驟，把常用的方法整理成一份圖冊(cè)，并添加了一些代碼片段用來幫助快速理解 API 對(duì)象和方法的使用規(guī)則。另外，圖冊(cè)底部把截止目前 ML.NET 已內(nèi)置支持的模型訓(xùn)練器和數(shù)據(jù)轉(zhuǎn)換器列成表格方便掌握完整信息。圖冊(cè)以高清矢量格式的圖片分享出來，在編碼的時(shí)候放在習(xí)慣的地方，像開發(fā)其他 .NET 應(yīng)用一樣可隨時(shí)查看，一目了然。

免費(fèi)領(lǐng)取高清?ML.NET?速查手冊(cè)

點(diǎn)擊下方名片

進(jìn)入“微軟中國MSDN”

官方微信公眾號(hào)

對(duì)話框內(nèi)回復(fù)暗號(hào)：

ML.NET?速查手冊(cè)

微軟最有價(jià)值專家（MVP）

微軟最有價(jià)值專家是微軟公司授予第三方技術(shù)專業(yè)人士的一個(gè)全球獎(jiǎng)項(xiàng)。29年來，世界各地的技術(shù)社區(qū)領(lǐng)導(dǎo)者，因其在線上和線下的技術(shù)社區(qū)中分享專業(yè)知識(shí)和經(jīng)驗(yàn)而獲得此獎(jiǎng)項(xiàng)。

MVP是經(jīng)過嚴(yán)格挑選的專家團(tuán)隊(duì)，他們代表著技術(shù)最精湛且最具智慧的人，是對(duì)社區(qū)投入極大的熱情并樂于助人的專家。MVP致力于通過演講、論壇問答、創(chuàng)建網(wǎng)站、撰寫博客、分享視頻、開源項(xiàng)目、組織會(huì)議等方式來幫助他人，并最大程度地幫助微軟技術(shù)社區(qū)用戶使用 Microsoft 技術(shù)。

更多詳情請(qǐng)登錄官方網(wǎng)站：
https://mvp.microsoft.com/zh-cn

免費(fèi)領(lǐng)取高清ML.NET速查手冊(cè)

總結(jié)

以上是生活随笔為你收集整理的叮，您有一份ML.NET 速查手册请查收！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。