购物帮做特惠的网站,网站能调用一些字体,公司网站做的很烂,辽宁城乡建设集团 网站在人工智能领域#xff0c;无论是机器学习#xff0c;还是深度学习等#xff0c;Python编程语言都是绝对的主流#xff0c;尽管底层都是C实现的#xff0c;似乎人工智能和C#/F#编程语言没什么关系。在人工智能的工程实现#xff0c;通常都是将Python训练好的人工智能模型… 在人工智能领域无论是机器学习还是深度学习等Python编程语言都是绝对的主流尽管底层都是C实现的似乎人工智能和C#/F#编程语言没什么关系。在人工智能的工程实现通常都是将Python训练好的人工智能模型封装为REST API以供其它的系统调用。虽然C#也确实天生就不合适搞人工智能的训练等但是通过ML.NET这个开放源代码的跨平台机器学习框架可以很容易的将人工智能集成到Web、移动、桌面、游戏和物联网应用中。这篇文章主要总结ML.NET的相关学习资源。一.ML.NET模型生成器和CLI 什么是机器学习呢它的本质就是发现数据中的模式模式以模型为载体从而预测新的数据。通常会经过模型的选择数据的清洗数据的加载模型训练模型评估模型测试模型部署等几个阶段。但是根据实际情况选择合适的模型以及对数据的清洗都很是需要经验的。1.ML.NET模型生成器 模型生成器(Model Builder)算是一个低代码的机器学习平台可以通过图形界面实现数据加载、模型训练、模型评估和模型部署等功能并且还支持强大的AutoML从而可以获得最适合解决方案的模型。相当于是极大的降低了人工智能模型的训练门槛。2.ML.NET CLI 除了模型生成器外还提供了ML.NET CLI这个.NET Core工具。可为其指定一个机器学习任务和一个训练数据集而它将生成一个ML.NET模型以及要运行的C#代码以便在应用程序中使用该模型。二.ML.NET中的机器学习任务1.二元分类任务二元分类是有监督学习顾名思义就是有2个类别的分类任务。训练器如下AveragedPerceptronTrainer
SdcaLogisticRegressionBinaryTrainer
SdcaNonCalibratedBinaryTrainer
SymbolicSgdLogisticRegressionBinaryTrainer
LbfgsLogisticRegressionBinaryTrainer
LightGbmBinaryTrainer
FastTreeBinaryTrainer
FastForestBinaryTrainer
GamBinaryTrainer
FieldAwareFactorizationMachineTrainer
PriorTrainer
LinearSvmTrainer2.多类分类任务多类分类是有监督学习顾名思义就是有多个类别的分类任务。训练器如下LightGbmMulticlassTrainer
SdcaMaximumEntropyMulticlassTrainer
SdcaNonCalibratedMulticlassTrainer
LbfgsMaximumEntropyMulticlassTrainer
NaiveBayesMulticlassTrainer
OneVersusAllTrainer
PairwiseCouplingTrainer3.回归测试任务回归就是从一组相关特征中预测标签值。训练器如下LbfgsPoissonRegressionTrainer
LightGbmRegressionTrainer
SdcaRegressionTrainer
OlsTrainer
OnlineGradientDescentTrainer
FastTreeRegressionTrainer
FastTreeTweedieTrainer
FastForestRegressionTrainer
GamRegressionTrainer4.聚类分析任务聚类分析是无监督学习简单理解就是从没有标签的数据中心发现数据的模式种类。训练器如下KMeansTrainer5.异常检测任务异常检测就是对罕见事件的预测比如地震预测等。训练器如下RandomizedPcaTrainer6.排序任务排序就是对数据记录进行排名比如看到的搜索引擎中的搜索条目。训练器如下LightGbmRankingTrainer
FastTreeRankingTrainer7.推荐任务就是推荐算法比如推荐User、Item和Tag等在电商、社交、短视频中等都有广泛的应用。训练器如下MatrixFactorizationTrainer8.预测任务使用过去的时序数据来预测将来的行为。比如天气预测、季节性销售预测和预测维护等。训练器如下ForecastBySsa9.图像分类任务图像分类是有监督学习就是从有标记的图像中训练模型然后预测图像的类别。训练器如下ImageClassificationTrainer10.物体检测任务就是图片对象的检测比如车牌、行人、红绿灯等。不过目前对象检测模型训练仅适用于使用Azure机器学习的Model Builder。三.ML.NET API v1.7.0[1]1.Microsoft.Extensions.MLNamespace解析用于扩展ML.NET API的实用工具包括预测引擎池。2.Microsoft.MLNamespace 解析ML.NET的主命名空间。包含应用程序和操作上下文、转换器和训练器目录以及用于数据视图处理的组件。3.Microsoft.ML.CalibratorsNamespace 解析包含用于二元分类校准的组件的命名空间。4.Microsoft.ML.DataNamespace 解析包含数据加载和保存、数据架构定义和模型训练指标组件的命名空间。5.Microsoft.ML.RuntimeNamespace 解析包含ML.NET运行时所需的类型的命名空间。6.Microsoft.ML.TimeSeriesNamespace 解析包含时间序列相关模型的命名空间。7.Microsoft.ML.TrainersNamespace 解析包含训练程序、模型参数和实用工具的命名空间。8.Microsoft.ML.Trainers.FastTreeNamespace 解析包含快速树算法的训练程序、模型参数和实用工具的命名空间。9.Microsoft.ML.Trainers.LightGbmNamespace 解析包含LightGBM算法的训练程序、模型参数和实用工具的命名空间。10.Microsoft.ML.TransformsNamespace 解析包含数据转换组件的命名空间。11.Microsoft.ML.Transforms.ImageNamespace 解析包含图像加载和转换组件的命名空间。12.Microsoft.ML.Transforms.OnnxNamespace 解析包含ONNX模型加载和转换组件的命名空间。13.Microsoft.ML.Transforms.TextNamespace 解析包含文本数据转换组件的命名空间。14.Microsoft.ML.Transforms.TimeSeriesNamespace 解析包含时序数据转换组件的命名空间。15.Microsoft.ML.VisionNamespace 解析包含图像分类组件的命名空间。四.ML.NET官方例子1.情绪分析解析演示如何使用ML.NET应用二元分类任务。2.GitHub问题分类解析演示如何使用ML.NET应用多类分类任务。3.价格预测器解析演示如何使用ML.NET应用回归任务。4.Iris聚类分析解析演示如何使用ML.NET应用聚类分析任务。5.推荐解析根据以前的用户评级生成影片推荐6.图像分类解析展示了如何将现有TensorFlow模型重新训练为使用ML.NET创建自定义图像分类器。7.异常检测解析演示如何构建针对产品销售数据分析的异常检测应用程序。8.检测图像中的对象解析演示如何使用预先训练的ONNX模型检测图像中的对象。9.对电影评论的情绪分类解析了解加载预训练的TensorFlow模型对电影评论的情绪分类。五.F#编程语言 最后再提下F#编程语言C#语言就不用说了F#是C#的同门师兄弟了并且极其擅长算法和并行编程关键是可以无缝访问所有的第三方.NET库和工具。不过遗憾的是可能F#太高端了在我的周围没有见过一个人使用但是并不能否定F#是一门优秀的编程语言。 在ML.NET中不仅可以使用C#编程语言还可以使用F#编程语言但是F#的语法还是比较复杂的可参考的资料[11][12][13]也很少。网上就找到了一本中文的F#书籍《F#语言程序设计》[17]其它的基本都是英文的。如果感兴趣可以下载尝试下F#编程语言说不定会有新的惊喜。接下来计划对ML.NET做一个系列的讲解但是更新不会太快。参考文献[1]ML.NET API参考https://docs.microsoft.com/zh-cn/dotnet/api/[2]ML.NET文档https://docs.microsoft.com/zh-cn/dotnet/machine-learning/[3]ML.NET教程https://docs.microsoft.com/zh-cn/dotnet/machine-learning/tutorials/[4]dotnet/machinelearning-sampleshttps://github.com/dotnet/machinelearning-samples[5]SciSharp STACKhttps://github.com/SciSharp[6]SciSharp/TensorFlow.NEThttps://github.com/SciSharp/TensorFlow.NET[7]Azure机器学习文档https://docs.microsoft.com/zh-cn/azure/machine-learning/[8]Azure认知服务文档https://docs.microsoft.com/zh-cn/azure/cognitive-services/[9].NET for Apache Spark文档https://docs.microsoft.com/zh-cn/dotnet/spark/[10].NET文档https://docs.microsoft.com/zh-cn/dotnet/[11]FsLabhttps://fslab.org/tutorials.html[12]F#文档https://docs.microsoft.com/zh-cn/dotnet/fsharp/[13]F#软件基金https://fsharp.org/[14]QA ML.NEThttps://docs.microsoft.com/en-us/answers/topics/dotnet-mlnet.html[15]Machine Learning at Microsoft with ML.NEThttps://arxiv.org/pdf/1905.05715.pdf[16]机器学习重要术语词汇表https://docs.microsoft.com/zh-cn/dotnet/machine-learning/resources/glossary[17]《F#语言程序设计》https://url39.ctfile.com/f/2501739-627693806-97f8da?p2096 (访问密码: 2096)
