内容简介:ML.NET 1.1 已发布。ML.NET 是一个跨平台的机器学习框架,旨在让 .NET 开发者更快上手机器学习,它允许 .NET 开发者开发他们自己的模型,并将自定义 ML 注入到应用程序中。 1.1 的更新亮点包括针对 ML.NET 的更新...
ML.NET 1.1 已发布。ML.NET 是一个跨平台的机器学习框架,旨在让 .NET 开发者更快上手机器学习,它允许 .NET 开发者开发他们自己的模型,并将自定义 ML 注入到应用程序中。
1.1 的更新亮点包括针对 ML.NET 的更新,以及用于 Visual Studio 的 Model Builder 的更新。
针对 ML.NET 的更新
在 IDataview 中增加对内存(In-Memory)“图像类型”的支持
在旧版本的 ML.NET 中,每当在模型中使用图像时(例如使用图像对 TensorFlow 或 ONNX 模型进行评分时),我们需要从指定文件路径的驱动器的文件夹中加载图像。但在 ML.NET 1.1 中,现在可以加载内存中的图像并直接处理它们。
新的异常检测算法(预览阶段)
在时间序列 NuGet 包(Time Series NuGet package)中添加了一个名为 SrCnnAnomalyDetection
的新异常检测算法(Anomaly Detection algorithm)。此算法基于超分辨率深度卷积网络(Super-Resolution Deep Convolutional Network.),它优点之一是不需要任何先前的训练。
如要进一步学习,请参阅这段进行异常检测的示例代码。
新的时间序列预测组件(预览阶段)
添加到时间序列 NuGet 包中的这一新功能允许我们实现基于 Singular Spectrum Analysis(SSA)
的时间序列预测模型。
它在 ML.NET 中被命名为AdaptiveSingularSpectrumSequenceModeler
。当数据具有某种周期性组件时,这种类型的时间序列预测非常有用,其中事件具有因果关系,并且它们在某个时间点发生(或未发生)。例如,受不同海运(假日季节、销售时间表和周末等)影响的销售预测或时间成分重要的任何其他类型的数据。
针对 Model Builder 的更新
此版本的模型构建器增加了对新方案的支持,并解决了许多用户报告的问题。
引入新的 Issue 分类模板
此方案使用户能够添加对将表格数据分类到许多类的支持。该模板使用多类(multi-class)的分类方式,可用于将数据分类为 3 个以上的类别。例如,可以使用此模板预测 GitHub issue、用户提交的工单,以及将电子邮件分类到不同的类别和更多场景。
改进评估步骤
评估步骤(Evaluate step)现在会显示有关所探索的顶级模型的更多正确信息。这是大多数用户报告的请求修复的错误。
改进代码生成步骤
通过引用项目名称来改进易于使用生成代码的指令。
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
猜你喜欢:- 构建机器学习算法
- 京东构建算法业务平台实践
- 重新利用“闲置物品”,这家公司用算法构建新的闲置经济
- 联想亮相首届混合智能学术大会 以HPC+AI构建算法世界
- Golang websocket结合一致性哈希算法构建高并发推送服务
- 【火炉炼AI】机器学习022-使用均值漂移聚类算法构建模型
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。
了不起的Node.js
劳奇 (Guillermo Rauch) / 赵静 / 电子工业出版社 / 2014-1 / 79.00元
本书是一本经典的 Learning by Doing的书籍。它由 Node社区著名的 Socket.IO作者—— Guillermo Rauch,通过大量的实践案例撰写,并由 Node社区非常活跃的开发者—— Goddy Zhao翻译而成。 本书内容主要由对五大部分的介绍组成: Node核心设计理念、 Node核心模块 API、Web开发、数据库以及测试。从前到后、由表及里地对使用 Node......一起来看看 《了不起的Node.js》 这本书的介绍吧!