开源软件名称：

feiyun0112/machinelearning-samples.zh-cn

开源软件地址：

https://github.com/feiyun0112/machinelearning-samples.zh-cn

开源编程语言：

PowerShell 100.0%

开源软件介绍：

欢迎关注我的公众号

注意:我们希望听到您对MLOps的反馈。请在本调查中告诉我们您的想法。

ML.NET 示例

ML.NET 是一个跨平台的开源机器学习框架，使.NET开发人员使用机器学习变得很容易。

在这个GitHub 存储库中，我们提供了示例，这些示例将帮助您开始使用ML.NET，以及如何将ML.NET加入到现有的和新的.NET应用程序中。

注意: 请在机器学习存储库中打开与ML.NET框架相关的问题。请仅当您遇到此存储库中的示例问题时，才在存储库中创建该问题。

存储库中有两种类型的示例/应用程序：

入门 : 针对每个机器学习任务或领域的ML.NET代码示例，通常作为简单的控制台应用程序实现。
终端应用程序 : 使用ML.NET进行机器学习的Web，桌面，移动和其他应用程序的实际例子

根据场景和机器学习问题/任务，官方ML.NET示例被分成多个类别，可通过下表访问：

二元分类
情绪分析 C# F#	垃圾信息检测 C# F#	信用卡欺诈识别 (Binary Classification) C# F#
心脏病预测 C#
多类分类
GitHub Issues 分类 C# F#	鸢尾花分类 C# F#	手写数字识别 C#
建议
产品推荐 C#	电影推荐 (Matrix Factorization) C#	电影推荐 (Field Aware Factorization Machines) C#
回归
价格预测 C# F#	销售预测 C#	需求预测 C# F#
时间序列预测
销售预测 C#
异常情况检测
销售高峰检测 C# C#	电力异常检测 C#	信用卡欺诈检测 (Anomaly Detection) C#
聚类分析
客户细分 C# F#	鸢尾花聚类 C# F#
排名
排名搜索引擎结果 C#
计算机视觉
图像分类训练 (High-Level API) C# F#	图像分类预测 (Pretrained TensorFlow model scoring) C# F# C#	图像分类训练 (TensorFlow Featurizer Estimator) C# F#
对象检测 (ONNX model scoring) C# C#

跨领域方案


Web API上的可扩展模型
C#

Razor Web应用程序上的可扩展模型
C#

Azure Functions上的可扩展模型
C#

Blazor Web应用程序上的可扩展模型
C#

大数据集
C#

使用DatabaseLoader加载数据
C#

使用LoadFromEnumerable加载数据
C#

模型可解释性
C#

导出到ONNX
C#

自动生成ML.NET模型（预览状态）

前面的示例向您展示了如何使用ML.NET API 1.0（发布于2019年5月）。

但是，我们还在努力通过其他技术简化ML.NET的使用，这样您就不需要自己编写代码来训练模型，只需提供数据集即可，ML.NET将为您自动为您自动生成“最佳”模型和运行它的代码。

这些用于自动生成模型的附加技术处于预览状态，目前只支持二进制分类、多类分类和回归。在未来的版本中，我们将支持额外的ML任务，如建议、异常检测、聚类分析等。

CLI示例:(预览状态）

ML.NET CLI（命令行界面）是一个可以在任何命令提示符（Windows，Mac或Linux）上运行的工具，用于根据您提供的训练数据集生成高质量的ML.NET模型。此外，它还生成示例C＃代码以运行/评分该模型以及用于创建/训练它的C#代码，以便您可以研究它使用的算法和设置。

CLI（命令行界面）示例

二元分类示例

多类分类示例

回归测试示例

自动化机器学习 API示例:(预览状态）

ML.NET AutoML API基本上是一组打包为NuGet包的库，您可以在.NET代码中使用它们。 AutoML消除了选择不同算法，超参数的任务。 AutoML将智能地生成许多算法和超参数组合，并为您找到高质量的模型。

自动化机器学习 API示例

二元分类示例

多类分类示例

排名示例

回归测试示例

高级实验示例

其他ML.NET社区示例

除了微软提供的ML.NET示例之外，我们还列出了社区创建的示例，这些示例位于单独的页面中： ML.NET 社区示例

这些社区示例不是由微软维护，而是由其所有者维护。如果您已经创建了任何很酷的ML.NET示例，请将其信息添加到此REQUEST issue ，我们最终将在上面提到的页面发布其信息。

了解更多

教程，机器学习基础知识等详细信息，请参阅ML.NET指南。

API参考

请查看ML.NET API参考，了解各种可用的 API。

贡献

我们欢迎贡献！请查看我们的贡献指南。

社区

请加入我们的Gitter社区

这个项目采用了贡献者契约规定的行为准则，以表明我们社区的预期行为。有关更多信息，请参见.NET基金会行为准则。

许可证

ML.NET 示例根据MIT许可证获得许可。