标签：nbsp 打开 聚类 代码 web im strong soft segment 分析
ML.NET 示例中文版，英文原版请访问：https://github.com/dotnet/machinelearning-samples
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# |
 欺诈识别 C# F# |
 心脏病预测 C# |
||
| 多类分类 | ||
 问题分类 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 C# |
电影推荐 (E2E app) C# |
| 回归测试 | ||
 价格预测 C# F# |
 销售预测 C# |
 需求预测 C# F# |
| 聚类分析 | ||
 客户细分 C# F# |
 鸢尾花聚类 C# F# |
|
| 异常情况检测 | ||
 销售高峰检测 C#
C# |
 电力异常检测 C# |
|
| 计算机视觉 | ||
 图像分类 (TensorFlow 模型评分) C# F# |
图像分类 (TensorFlow 估算器) C# F# |
 目标检测 (ONNX 模型评分) C#
C# |
| 交叉情景 | ||
 Web API上的可扩展模型 C# |
 数据库训练模型 C# |
 可扩展的Blazor Web应用程序 C# |
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。
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 |
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 |
| 回归测试示例 |
| 高级实验示例 |
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。
教程，机器学习基础知识等详细信息，请参阅ML.NET指南 。
请查看ML.NET API参考，了解各种可用的 API。
我们欢迎贡献！ 请查看我们的贡献指南。
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。
标签：nbsp 打开 聚类 代码 web im strong soft segment 分析
原文地址：https://www.cnblogs.com/feiyun0112/p/10940661.html
