ML.NET 1.1 发布，模型构建器升级和新的异常检测算法

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。

相关示例代码点此查看 。

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。

详细更新内容请查看发布公告 。