點擊右上方，關注開源中國OSC頭條號，獲取最新技術資訊
微軟於一周前發佈了 ML.NET 0.10 版本（不是 0.1，接下來還會有 0.11, 0.12，然後才是 1.0 版本）。
更新亮點包括
- IDataView 被單獨作為一個類庫包
- 場感知分解機訓練器支持多個特徵列
- 支持返回多個預測標籤
- 源自社區的示例頁面
IDataView 被單獨作為一個類庫包
IDataView 組件為表格式數據提供了非常高效的處理方式，尤其是用於機器學習和高級分析應用。它被設計為可以高效地處理高維數據和大型數據集。並且也適合處理屬於更大的分佈式數據集中的單個數據區塊結點。
在 ML.NET 0.10 中，IDataView 被拆分成單個程序集和 NuGet 類庫包。這對於與其它 API 及框架交互是極重要的一步。
在被拆分後，其它的類庫將能直接引用它，而不需要引用整個 ML.NET。這樣有助於第三方類庫也能使用 IDataView 所提供的強大功能。
場感知分解機訓練器支持多個特徵列
在之前的 ML.NET 版本中，當使用場感知分解機(FFM)訓練機器時，僅可以提供單個特徵列。
在新的版本里，支持在 Options 參數裡添加額外的特徵列。
var ffmArgs = new FieldAwareFactorizationMachineTrainer.Options();
// Create the multiple field names.
ffmArgs.FeatureColumn = nameof(MyObservationClass.MyField1); // 首個字段
ffmArgs.ExtraFeatureColumns = new[]{ nameof(MyObservationClass.MyField2), nameof(MyObservationClass.MyField3) }; // 額外的字段
var pipeline = mlContext.BinaryClassification.Trainers.FieldAwareFactorizationMachine(ffmArgs);
var model = pipeline.Fit(dataView);
支持返回多個預測標籤
之前的版本里，即使預測多類別分類問題，也只能返回單一的標籤。
現在，這一缺陷終於被修復了(其實在內部邏輯裡已經對多項預測完成處理，但過去的 API 只返回了單一的結果)。
源自社區的示例頁面
作為 ML.NET Samples 的一部分，現在新增了一個特殊頁面 —— 由社區提供的多個示例。
裡面有不少很好的例子：
▲照片查詢的 WPF 應用，其內部運行 TensorFlow 模型，並導出為 ONNX 格式。
▲使用 ML.NET 的 UWP 應用
來自：https://www.cnblogs.com/kenwoo/p/10367137.html
↓↓↓
閱讀更多 開源社區OSC 的文章
