.NET 机器学习

ML.NET是 .NET 的跨平台开源机器学习 (ML) 框架。

ML.NET 允许开发人员在其 .NET 应用程序中轻松构建、训练、部署和使用自定义模型，而无需具备开发机器学习模型的专业知识或使用 Python 或 R 等其他编程语言的经验。该框架提供从文件和数据加载的数据。数据库，支持数据转换，并包含许多机器学习算法。

使用 ML.NET，您可以针对各种场景训练模型，例如分类、预测和异常检测。

您还可以在 ML.NET 中使用 TensorFlow 和 ONNX 模型，这使得框架更具可扩展性并扩展了支持的场景数量。

机器学习和 ML.NET 入门

• 了解有关ML.NET 基础知识的更多信息。
• 按照我们的ML.NET 入门教程构建您的第一个 ML.NET 模型。
• 查看我们的文档和教程。
• 请参阅API 参考文档。
• 克隆我们的ML.NET 示例 GitHub 存储库并运行一些示例应用程序。
• 查看一些ML.NET 社区示例。
• 在ML.NET 视频 YouTube 播放列表上观看一些视频。

路线图

查看 ML.NET 的路线图，了解团队计划在明年开展哪些工作。

ML.NET 支持的操作系统和处理器架构

ML.NET 在使用 .NET Core 的 Windows、Linux 和 macOS 上运行，或在使用 .NET Framework 的 Windows 上运行。

ML.NET 还可以在 ARM64、Apple M1 和 Blazor Web Assembly 上运行。然而，也有一些限制。

所有平台均支持 64 位。Windows 支持 32 位，但 TensorFlow 和 LightGBM 相关功能除外。

ML.NET NuGet 包状态

发行说明

查看发行说明以了解新内容。您还可以阅读博客文章，了解有关每个版本的更多详细信息。

使用 ML.NET 包

首先，确保您已安装.NET Core 2.1或更高版本。ML.NET 也适用于 .NET Framework 4.6.1 或更高版本，但建议使用 4.7.2 或更高版本。

拥有应用程序后，您可以使用以下命令从 .NET Core CLI 安装 ML.NET NuGet 包：

dotnet add package Microsoft.ML

或从 NuGet 包管理器：

Install-Package Microsoft.ML

或者，您可以从 Visual Studio 的 NuGet 包管理器中或通过Paket添加 Microsoft.ML 包。

我们的 Azure DevOps 源中还提供了该项目的每日 NuGet 构建：

https://pkgs.dev.azure.com/dnceng/public/_packaging/dotnet-libraries/nuget/v3/index.json

构建 ML.NET（针对构建 ML.NET 开源代码的贡献者）

要从源代码构建 ML.NET，请访问我们的开发人员指南。

	调试	发布
中央操作系统
乌班图
苹果系统
Windows x64
Windows完整框架
Windows x86
Windows NetCore3.1

发布流程和版本控制

ML.NET 的主要版本每年随主要 .NET 版本一起发布一次，从 2021 年 11 月的 ML.NET 1.7 和 .NET 6 开始，然后是 ML.NET 2.0 和 .NET 7，等等。我们将维护版本分支可选择以与 .NET 服务相同的节奏为 ML.NET 提供错误修复和/或次要功能。

查看发行说明以了解所有过去的 ML.NET 版本。

贡献

我们欢迎贡献！请查看我们的贡献指南。

社区

• 加入我们的Discord社区。
• 太平洋时间每隔周三上午 10 点收看.NET 机器学习社区站立会议。

该项目采用了贡献者契约定义的行为准则，以阐明我们社区的预期行为。有关详细信息，请参阅.NET 基金会行为准则。

代码示例

以下是用于训练模型以根据文本样本预测情绪的代码片段。您可以在示例存储库中找到完整的示例。

var dataPath = "sentiment.csv";
var mlContext = new MLContext();
var loader = mlContext.Data.CreateTextLoader(new[]
    {
        new TextLoader.Column("SentimentText", DataKind.String, 1),
        new TextLoader.Column("Label", DataKind.Boolean, 0),
    },
    hasHeader: true,
    separatorChar: ',');
var data = loader.Load(dataPath);
var learningPipeline = mlContext.Transforms.Text.FeaturizeText("Features", "SentimentText")
        .Append(mlContext.BinaryClassification.Trainers.FastTree());
var model = learningPipeline.Fit(data);

现在我们可以从模型中做出推断（预测）：

var predictionEngine = mlContext.Model.CreatePredictionEngine<SentimentData, SentimentPrediction>(model);
var prediction = predictionEngine.Predict(new SentimentData
{
    SentimentText = "Today is a great day!"
});
Console.WriteLine("prediction: " + prediction.Prediction);

执照

ML.NET 根据MIT 许可证获得许可，并且可以免费用于商业用途。

.NET基金会

ML.NET 是.NET 基金会的一部分。