NET开发人员对ML的介绍 网

ML。NET一直在微软的研究部门工作。这些创新已经应用到自己的产品中，比如Windows Defender、微软Office(Powerpoint设计理念、Excel图表推荐)、Azure机器学习、PowerBI。ML.NET旨在提供终端工作流程，应用于ML。NET应用在机器学习的每一步(预处理、特征工程、建模、评估和操作)。

ML。NET 1.0提供了以下关键组件：数据表示机器学习任务(分类、回归、异常检测等)。)数据特征工程

机器学习模型应该让分析师的生活变得更容易，现在它们甚至可以被构建，因为在新框架的设计中考虑了AutoML。除了通常的机器学习任务，ML.NET还支持AutoML。

对于机器学习的初学者，微软开发人员建议从Visual Studio中的ML.NET模型构建器和任何平台上的ML.NET命令行界面开始。对于可以随时构建模型的场景，AutoML API也非常方便。

使用ML.NET模型构建器，您可以通过右键单击将机器学习添加到应用程序中。

在命令行中使用line

引入了另一个工具，line CLI(命令行工具)，它允许使用AutoML和line生成ML.NET模型。ML.NET CLI可快速遍历特定ML任务的数据集(目前支持回归和分类)，并生成最佳模型。

除了生成最佳模型之外，CLI还允许用户生成模型训练和消费最佳性能模型的模型代码。

ML。NET命令行界面是一个跨平台的全局工具。NET命令行界面。Visual Studio扩展ML.NET模型构建器还使用ML.NET命令行界面来提供模型构建器功能。

要安装ML.NET命令行界面，请执行以下操作：

Dotnet工具install -g mlnet这是使用回归预测出租车费用的代码

加载数据集

idata view training dataview=mlContext。data . LoadFromTextFile(train data path，hashader : true)；idata view testDataView=mlContext。data . LoadFromTextFile(testdata path，hashader : true)；运行AutoML二进制分类

实验结果实验结果=mlContext。自动()。CreateRegressionExperiment(实验时间)。执行(trainingDataView，LabelColumnName，progresshandler : new retrieveexperimentprogresshandler())；模型评估

ITransformer模型=实验结果。最佳运行模式；并使用测试数据集来评估其质量(出租车-费用-测试. csv)。

回归。Evaluate()计算已知票价和模型预测值之间的差值，以生成各种指标。

var预测=trainedModel。转换(TestDataView)；var metrics=mlContext。回归。评估(预测，评分栏名称：“评分”)；创建预测引擎

var predEngine=mlContext。model . CreatePredictionEngineTaxiTrip，TaxiTripFarePrediction(模型)；计算分数

var predictedResult=predEngine。预测(滑行样本)；上面是使用Visual Studio内部的模型构建器和CLI命令来测试AutoML。还有一个API可以用在。Net应用程序。使用起来非常简单。您可以通过添加[微软。将包添加到项目中

在ML.Net的样本仓库里有一套完整的例子。您可以通过应用编程接口重用公共文件夹中的一些类来使用自动语言。

以上就是本文的全部内容。希望对大家的学习有帮助，支持我们。