dotnet/machinelearning-samples

解決的問題

此存放庫提供了一系列豐富的實用範例，協助 .NET 開發人員使用 ML.NET 框架將機器學習整合至其應用程式中。它消除了 ML.NET API 與各種常見 ML 任務在真實世界實作之間的落差。

運作方式

本專案分為兩種主要類型的範例：

• 入門指南：專注於特定 ML 任務的簡單主控台應用程式，用以示範核心程式碼實作。
• 端對端應用程式：完整的 Web 與桌面應用程式，展示如何在類似生產環境中部署 ML 模型（例如 WebAPI、Razor、Azure Functions 與 Blazor）。

它還包含透過命令列介面 (CLI) 與 AutoML API 進行自動化模型生成的預覽功能，這些功能會根據提供的資料集自動選擇演算法與超參數。

適用對象

希望使用 C# 或 F# 在 .NET 生態系內實作機器學習功能（例如分類、迴歸與電腦視覺）的 .NET 開發人員。

亮點

• 多樣化的 ML 任務涵蓋範圍：包含二元與多類別分類、推薦系統、迴歸、時間序列預測、異常偵測、分群與排序的範例。
• 電腦視覺：影像分類（透過高階 API、TensorFlow 與 TensorFlow Featurizer）與物件偵測（透過 ONNX）的範例。
• AutoML 整合：用於自動化二元分類、多類別分類與迴歸之模型訓練與程式碼產生的工具。
• 部署範例：示範如何在 WebAPI、Azure Functions 與 Blazor 應用程式上擴充模型。