微软发布 ML.NET 0.10，.NET 跨平台机器学习框架

内容简介：微软于一周前发布了 ML.NET 0.10 版本（不是 0.1，接下来还会有 0.11, 0.12，然后才是 1.0 版本）。 更新亮点包括 IDataView 被单独作为一个类库包 场感知分解机训练器支持多个特征列 支持返回多个预测标签 源自社...

微软于一周前发布了 ML.NET 0.10 版本（不是 0.1，接下来还会有 0.11, 0.12，然后才是 1.0 版本）。

更新亮点包括

• IDataView 被单独作为一个类库包

• 场感知分解机训练器支持多个特征列

• 支持返回多个预测标签

• 源自社区的示例页面

IDataView 被单独作为一个类库包

IDataView 组件为表格式数据提供了非常高效的处理方式，尤其是用于机器学习和高级分析应用。它被设计为可以高效地处理高维数据和大型数据集。并且也适合处理属于更大的分布式数据集中的单个数据区块结点。

在 ML.NET 0.10 中，IDataView 被拆分成单个程序集和 NuGet 类库包。这对于与其它 API 及框架交互是极重要的一步。

在被拆分后，其它的类库将能直接引用它，而不需要引用整个 ML.NET。这样有助于第三方类库也能使用 IDataView 所提供的强大功能。

场感知分解机训练器支持多个特征列

在之前的 ML.NET 版本中，当使用场感知分解机(FFM)训练机器时，仅可以提供单个特征列。

在新的版本里，支持在 Options 参数里添加额外的特征列。

var ffmArgs = new FieldAwareFactorizationMachineTrainer.Options();

// Create the multiple field names.
ffmArgs.FeatureColumn = nameof(MyObservationClass.MyField1); // 首个字段
ffmArgs.ExtraFeatureColumns = new[]{ nameof(MyObservationClass.MyField2), nameof(MyObservationClass.MyField3) }; // 额外的字段

var pipeline = mlContext.BinaryClassification.Trainers.FieldAwareFactorizationMachine(ffmArgs);

var model = pipeline.Fit(dataView);

支持返回多个预测标签

之前的版本里，即使预测多类别分类问题，也只能返回单一的标签。

现在，这一缺陷终于被修复了(其实在内部逻辑里已经对多项预测完成处理，但过去的 API 只返回了单一的结果)。

源自社区的示例页面

作为 ML.NET Samples 的一部分，现在新增了一个特殊页面 —— 由社区提供的多个示例。

里面有不少很好的例子：

▲照片查询的 WPF 应用，其内部运行 TensorFlow 模型，并导出为 ONNX 格式。

▲使用 ML.NET 的 UWP 应用

来自：https://www.cnblogs.com/kenwoo/p/10367137.html

以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

• IDL871机器学习框架
• Facebook发布机器学习框架PyRobot，助力机器人开源社区
• JavaScript也能玩机器学习――5个开源 JavaScript 机器学习框架
• MediaPipe：跨平台机器学习应用开发框架
• 分布式机器学习框架与高维实时推荐系统
• 从Spark MLlib到美图机器学习框架实践

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。