微软发布开源跨平台机器学习框架ML.NET 0.2版本

上个月在Build 2018年微软发布了ML.NET 0.1，一个跨平台的开源机器学习框架。今天又发布了ML.NET 0.2。这个版本侧重于添加新的ML任务，比如集群，使验证模型更容易，为ML.NET示例添加一个全新的repo，并解决我们在GitHub repo中收到的各种问题和反馈。

下面提到了ML.NET 0.2版本的一些亮点：

新的机器学习任务:集群

集群是一种无监督的学习任务，它根据项目的特征对项目集进行分组。它识别哪些项目比其他项目更相似。

这在一些场景中可能很有用，比如根据主题将新闻文章组织成组，根据用户的购物习惯对用户进行分段，以及根据观众对电影的喜好对观众进行分组。

Iris Flower示例演示了如何使用ML.NET 0.2中的集群

通过交叉验证和培训测试更容易进行模型验证

交叉验证是一种验证模型统计性能的方法。它不需要单独的测试数据集，而是使用您的训练数据来测试您的模型(它将数据划分为不同的数据，以便进行培训和测试，并多次执行)。使用ML.NET 0.2，您现在可以使用交叉验证，这里有一个很好的例子。（https://github.com/dotnet/machinelearning/blob/78810563616f3fcb0b63eb8a50b8b2e62d9d65fc/test/Microsoft.ML.Tests/Scenarios/SentimentPredictionTests.cs#L51）

Train-test是在单独的数据集中测试模型的快捷方式。参见这里的示例用法。（https://github.com/dotnet/machinelearning/blob/78810563616f3fcb0b63eb8a50b8b2e62d9d65fc/test/Microsoft.ML.Tests/Scenarios/SentimentPredictionTests.cs#L36）

使用具有CollectionDataSource的数据对象进行训练

net 0.1允许从带分隔符的文本文件加载数据。net 0.2中的CollectionDataSource增加了使用对象集合作为LearningPipeline输入的能力。

下面的代码片段展示了如何使用ML.NET 0.2中的CollectionDataSource。

新的ML.NET示例repo

我们创建了一个新的repo https://github.com/dotnet/machinelearning-samples，并添加了一些开始和结束应用程序示例。

• 情绪分析(二进制分类)

这个示例演示了如何使用ML.NET分析客户评论的情绪(正面或负面)。该示例使用了IMDB和Yelp评论。

• 鸢尾花的分类(多类分类)

这个样本的中心是预测虹膜花的类型(setosa, versicolor，或virginica)基于花的参数，如花瓣长度，花瓣宽度等。

• 出租汽车费预测(回归)

出租车票价预测示例演示了如何构建一个ML.NET模型来预测纽约市出租车票价。本样本采用回归模型，考虑了乘客数量、信用类型和旅行距离等特征。

• 虹膜数据集聚类分析(聚类)

这个示例演示了如何通过对Iris数据集执行集群分析，从而使用ML.NET构建集群模型。

• GitHub问题分类(多类分类)

这是一个E2E示例，展示了如何使用ML.NET构建GitHub的问题分类器。

这篇博文只介绍了一些ML.NET 0.2版本的顶级声明，在这里可以找到ML.NET 0.2的完整版本说明（https://github.com/GalOshri/machinelearning/blob/f026db2cdba1858b0e8bea2ddf2a4092a61bd708/docs/release-notes/0.2/release-0.2.md）。

帮助建立ML.NET以满足您的需求

如果你还没有使用过机器学习，请试试ML.NET。

https://github.com/dotnet/machinelearning