dotnet/machinelearning-samples

解决的问题

此存储库提供了丰富的实用示例集合，帮助 .NET 开发人员使用 ML.NET 框架将机器学习集成到他们的应用程序中。它弥合了 ML.NET API 与各种常见 ML 任务在实际应用中实现之间的差距。

工作原理

该项目分为两种主要类型的示例：

• 入门指南：专注于特定 ML 任务的简单控制台应用程序，用于演示核心代码实现。
• 端到端应用：完整的 Web 和桌面应用程序，展示如何在类生产环境中部署 ML 模型（例如 WebAPI、Razor、Azure Functions 和 Blazor）。

它还包含通过命令行界面 (CLI) 和 AutoML API 进行自动化模型生成的预览功能，这些功能会根据提供的数据集自动选择算法和超参数。

适用人群

希望使用 C# 或 F# 在 .NET 生态系统内实现机器学习功能（例如分类、回归和计算机视觉）的 .NET 开发人员。

亮点

• 多样化的 ML 任务覆盖范围：包含二元和多类分类、推荐系统、回归、时间序列预测、异常检测、聚类和排序的示例。
• 计算机视觉：图像分类（通过高级 API、TensorFlow 和 TensorFlow Featurizer）和对象检测（通过 ONNX）的示例。
• AutoML 集成：用于自动化二元分类、多类分类和回归的模型训练与代码生成的工具。
• 部署示例：演示如何在 WebAPI、Azure Functions 和 Blazor 应用上扩展模型。