ML.NET 示例:目录

ML.NET 示例中文版:https://github.com/feiyun0112/machinelearning-samples.zh-cn
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
二元分类 图表

情绪分析
C#     F#   入门图标
Movie Recommender chart

垃圾信息检测
C#     F#   入门图标
Movie Recommender chart

欺诈识别
C#    F#    入门图标
disease detection chart

心脏病预测
C#   入门图标
多类分类
ssue Labeler chart

问题分类
C#    F#    End-to-end app icon
Movie Recommender chart

鸢尾花分类
C#    F#    入门图标
Movie Recommender chart

手写数字识别
C#     入门图标
建议
Product Recommender chart

产品推荐
C#入门图标
Movie Recommender chart

电影推荐
C#    入门图标
Movie Recommender chart

电影推荐 (E2E app)
C#    End-to-end app icon
回归测试
Price Prediction chart

价格预测
C#     F#   入门图标

Sales ForeCasting chart

销售预测
C#    End-to-end app icon

Demand Prediction chart

需求预测
C#    F#    入门图标
聚类分析
Customer Segmentation chart

客户细分
C#     F#   入门图标
IRIS Flowers chart

鸢尾花聚类
C#     F#   入门图标
异常情况检测
spike detection chart

销售高峰检测
C#     入门图标   C#    End-to-end app icon
Power Anomaly detection chart

电力异常检测
C#     入门图标
计算机视觉
Image Classification chart

图像分类
(TensorFlow 模型评分)
C#     F#    入门图标
Image Classification chart

图像分类
(TensorFlow 估算器)
C#     F#    入门图标
Object Detection chart

目标检测
(ONNX 模型评分)
C#    入门图标 C#    End-to-end app icon






交叉情景
web image
Web API上的可扩展模型
C#     End-to-end app icon
Database chart
数据库训练模型
C#     入门图标
Database chart
可扩展的Blazor Web应用程序
C#     End-to-end app icon

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 Join the chat at https://gitter.im/dotnet/mlnet

这个项目采用了贡献者契约规定的行为准则,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

许可证

ML.NET 示例根据MIT许可证获得许可。

posted @ 2019-05-28 22:11 feiyun0112 阅读(...) 评论(...) 编辑 收藏