上個月在Build 2018年微軟發佈了ML.NET 0.1，一個跨平臺的開源機器學習框架。今天又發佈了ML.NET 0.2。這個版本側重於添加新的ML任務，比如集群，使驗證模型更容易，為ML.NET示例添加一個全新的repo，並解決我們在GitHub repo中收到的各種問題和反饋。
下面提到了ML.NET 0.2版本的一些亮點：
新的機器學習任務:集群
集群是一種無監督的學習任務，它根據項目的特徵對項目集進行分組。它識別哪些項目比其他項目更相似。
這在一些場景中可能很有用，比如根據主題將新聞文章組織成組，根據用戶的購物習慣對用戶進行分段，以及根據觀眾對電影的喜好對觀眾進行分組。
Iris Flower示例演示瞭如何使用ML.NET 0.2中的集群
通過交叉驗證和培訓測試更容易進行模型驗證
交叉驗證是一種驗證模型統計性能的方法。它不需要單獨的測試數據集，而是使用您的訓練數據來測試您的模型(它將數據劃分為不同的數據，以便進行培訓和測試，並多次執行)。使用ML.NET 0.2，您現在可以使用交叉驗證，這裡有一個很好的例子。（https://github.com/dotnet/machinelearning/blob/78810563616f3fcb0b63eb8a50b8b2e62d9d65fc/test/Microsoft.ML.Tests/Scenarios/SentimentPredictionTests.cs#L51）
Train-test是在單獨的數據集中測試模型的快捷方式。參見這裡的示例用法。（https://github.com/dotnet/machinelearning/blob/78810563616f3fcb0b63eb8a50b8b2e62d9d65fc/test/Microsoft.ML.Tests/Scenarios/SentimentPredictionTests.cs#L36）
使用具有CollectionDataSource的數據對象進行訓練
net 0.1允許從帶分隔符的文本文件加載數據。net 0.2中的CollectionDataSource增加了使用對象集合作為LearningPipeline輸入的能力。
下面的代碼片段展示瞭如何使用ML.NET 0.2中的CollectionDataSource。
新的ML.NET示例repo
我們創建了一個新的repo https://github.com/dotnet/machinelearning-samples，並添加了一些開始和結束應用程序示例。
- 情緒分析(二進制分類)
這個示例演示瞭如何使用ML.NET分析客戶評論的情緒(正面或負面)。該示例使用了IMDB和Yelp評論。
- 鳶尾花的分類(多類分類)
這個樣本的中心是預測虹膜花的類型(setosa, versicolor，或virginica)基於花的參數，如花瓣長度，花瓣寬度等。
- 出租汽車費預測(迴歸)
出租車票價預測示例演示瞭如何構建一個ML.NET模型來預測紐約市出租車票價。本樣本採用迴歸模型，考慮了乘客數量、信用類型和旅行距離等特徵。
- 虹膜數據集聚類分析(聚類)
這個示例演示瞭如何通過對Iris數據集執行集群分析，從而使用ML.NET構建集群模型。
- GitHub問題分類(多類分類)
這是一個E2E示例，展示瞭如何使用ML.NET構建GitHub的問題分類器。
這篇博文只介紹了一些ML.NET 0.2版本的頂級聲明，在這裡可以找到ML.NET 0.2的完整版本說明（https://github.com/GalOshri/machinelearning/blob/f026db2cdba1858b0e8bea2ddf2a4092a61bd708/docs/release-notes/0.2/release-0.2.md）。
幫助建立ML.NET以滿足您的需求
如果你還沒有使用過機器學習，請試試ML.NET。
https://github.com/dotnet/machinelearning
閱讀更多 程序你好 的文章
