微软又开源了一个机器学习框架,这次是核心产品的机器学习引擎infer.NET

乾明 整理编译自 Microsoft Research Blog 量子位 报道

感觉微软对开源上瘾了。

在开源了跨平台机器学习框架ML.NET之后,微软又开源了一个非常重要的机器学习框架:infer.NET,而且采用的还是MIT许可证。

这个消息一出,可以说是八方点赞,Twitter上一片好评。

那么,infer.NET是什么?有何优点?应用范围如何?该怎么去下载使用呢?

下面就来回答这些问题~

关于infer.NET

简单来说,Infer.NET是一个基于模型的机器学习框架。

根据官方介绍,Infer.NET是一个在图形模型中运行贝叶斯推理框架,可以用于概率编程,也可以用来解决许多不同类型的机器学习问题,包括分类、推荐或聚类等标准问题,并可以针对特定领域问题提供定制解决方案。

一般情况下,进行机器学习的时候,开发人员为框架提供模型后,都需要将他们的模型映射到预先存在的学习算法上去。

而Infer.NET将这个过程反了过来,可以直接从模型中生成一个定制的机器学习算法,允许你将领域知识融入到模型之中,这样“反其道而行之”的做法,给这个框架带来了不少优势。

在微软的官方博文中,给出了infer.NET框架的4个优势,分别是:

1、可解释性强。

如果你设计了一个模型,并且从模型中生成算法。那么,你就可以理解为什么系统会以特定的方式运行,或者做出某些预测。随着机器学习应用逐渐进入日常生活,理解和解释它们的行为变得越来越重要。

2、数据适用性强。

基于模型的机器学习框架,对于那些具有某些特征的数据有很强的适用性,可以更好的使用这些数据来完成机器学习任务。比如实时数据、异构数据、数据不足、未贴标签的数据、有缺失部分的数据和以已知偏差收集的数据等等。

3、用概率程序来描述模型。

Infer.NET可以将概率化程序编译成高性能代码,用于实现被称为确定性近似贝叶斯推断的东西。这种方法提供了大量的可拓展性,例如,在一个系统中使用Infer.NET,系统可以自动从数十亿个网页中提取知识,包括大量的数据。

4、支持在线贝叶斯推断。

Infer.NET的一个关键功能是支持在线贝叶斯推断,即系统在新数据到来时进行学习的能力。这在与用户进行实时交互的商业和消费品中是必不可少的。

具有这么多的优势,在实际的应用场景中,Infer.NET的运用范围也非常广泛。

除了广泛应用于信息检索、流行病学、生物信息学等各个学术研究领域之外,Infer.NET已经发展成了微软 Office、 Xbox 和 Azure 等微软核心产品中的机器学习引擎。

最近还应用到了游戏评级系统之中,微软的研究团队基于TrueSkill,使用Infer.NET框架开发了TrueSkill 2。从《Halo 5》中的应用来看,相比于TrueSkill,玩家匹配的准确率从52%提升到了68%。

使用指南

Infer.NET框架开源之后,将成为ML.NET的一部分。这是一款面向.NET开发者的机器学习框架,微软在今年的Bulid大会上开源了这一框架。

根据博客文章的介绍,微软已经采取了大量集成ML.NET。比如在.NET Foundation下设置存储库,并将包和命名空间移动到Microsoft.ML.Probabilistic。Infer.NET也将提升ML.NET在统计建模和在线学习方面的能力。

此外,Infer.NET也是跨平台的。根据官方的Readme文档,Infer.NET支持 .NET Framework 4.6.1、.NET Core 2.0 和 Mono 5.0。

Windows 用户需要在 Visual Studio 2017 中使用,而 macOS 和 Linux 开发者可以使用.NET Core 2.0 SDK构建和运行.NET Standard和.NET Core项目。

对Infer.NET感兴趣?请收好下面的一些传送门:

框架下载地址: https://www.nuget.org/packages?q=Microsoft.ML.Probabilistic

教程和示例地址: https://dotnet.github.io/infer/userguide/Infer.NET%20tutorials%20and%20examples.html

用户指南: https://dotnet.github.io/infer/userguide

GitHub地址: https://github.com/dotnet/infer

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2018-10-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏磐创AI技术团队的专栏

热点 | 近期Github机器学习开源项目...

对于程序员来说,开源项目是十分有帮助的。希望你能从这篇文章中找到可以激发你灵感的有趣项目。最近磐创AI寻找“深大锦鲤”活动是2018年10月15日准时开奖哦~听...

2192
来自专栏CreateAMind

PCL点云库(Point Cloud Library)简介

PCL(Point Cloud Library)是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库,它实现了大量点云相关的通用算法和高效数据结...

4943
来自专栏AI启蒙研究院

移动通信20年:从0到5G

952
来自专栏北京马哥教育

稳稳吃鸡!用Python可视化分析 ”绝地求生1800万游戏数据“,

经常玩吃鸡游戏,我们现在来分析一下过去一年 1800万条游戏数据,看看有什么套路帮我们吃到鸡。

6292
来自专栏AI研习社

微软开源 ML.NET 跨平台机器学习框架,AI 普及又向前跨进一步

AI 研习社按,当地时间 5 月 7 日,微软 Build 大会在美国西雅图召开,会上微软针对开发者发布了一系列新产品。详细信息参见 Build 大会中的 AI...

782
来自专栏机器之心

入门 | 关于TensorFlow,你应该了解的9件事

我总结了今年 Google Cloud Next 大会上我最爱的一段演讲——What's New with TensorFlow?(https://www.yo...

1384
来自专栏WOLFRAM

号外!!!号外!!! Wolfram公司派专家团队来中国做巡回演讲啦!!!

1633
来自专栏通信云团队

高清视频点播-AI让你看片更丝滑

事实上,如何感知网络环境的变化并作出合理的码率调整并非易事。目前很多视频播放的客户端都提供了几种码率档位(标清、高清、超清、蓝光等)供用户自主选择...

3193
来自专栏AI科技评论

视频 | 机器人就是你说啥是啥?过时了,它们早就会选择!

AI 科技评论按:这里是,雷锋字幕组编译的 ICRA 2018 系列,带你了解机器人与自动化领域的最新研究成果。

531
来自专栏思影科技

HBM:阅读中语音产生期间的脑功能近红外光谱研究

摘要:发表在Human Brain Mapping上的一篇文章使用fNIRS探究了和发音并发声相关联的言语过程中皮层血流动力学和功能连接程度。被试在进行fNIR...

3759

扫码关注云+社区

领取腾讯云代金券