ML.NET 0.10特性有哪些

這篇文章給大家介紹ML.NET 0.10特性有哪些，內(nèi)容非常詳細(xì)，感興趣的小伙伴們可以參考借鑒，希望對(duì)大家能有所幫助。

IDataView被單獨(dú)作為一個(gè)類庫包

IDataView組件為表格式數(shù)據(jù)提供了非常高效的處理方式，尤其是用于機(jī)器學(xué)習(xí)和高級(jí)分析應(yīng)用。它被設(shè)計(jì)為可以高效地處理高維數(shù)據(jù)和大型數(shù)據(jù)集。并且也適合處理屬于更大的分布式數(shù)據(jù)集中的單個(gè)數(shù)據(jù)區(qū)塊結(jié)點(diǎn)。

在ML.NET 0.10中，IDataView被拆分成單個(gè)程序集和NuGet類庫包。這對(duì)于與其它API及框架交互是極重要的一步。

在被拆分后，其它的類庫將能直接引用它，而不需要引用整個(gè)ML.NET。這樣有助于第三方類庫也能使用IDataView所提供的強(qiáng)大功能。

場(chǎng)感知分解機(jī)訓(xùn)練器支持多個(gè)特征列

在之前的ML.NET版本中，當(dāng)使用場(chǎng)感知分解機(jī)(FFM)訓(xùn)練器時(shí)，僅可以提供單個(gè)特征列。

在新的版本里，支持在Options參數(shù)里添加額外的特征列。

var ffmArgs = new FieldAwareFactorizationMachineTrainer.Options();// Create the multiple field names.ffmArgs.FeatureColumn = nameof(MyObservationClass.MyField1); // 首個(gè)字段ffmArgs.ExtraFeatureColumns = new[]{ nameof(MyObservationClass.MyField2), nameof(MyObservationClass.MyField3) }; // 額外的字段var pipeline = mlContext.BinaryClassification.Trainers.FieldAwareFactorizationMachine(ffmArgs);var model = pipeline.Fit(dataView);

支持返回多個(gè)預(yù)測(cè)標(biāo)簽

之前的版本里，即使預(yù)測(cè)多類別分類問題，也只能返回單一的標(biāo)簽。

現(xiàn)在，這一缺陷終于被修復(fù)了。(其實(shí)在內(nèi)部邏輯里已經(jīng)對(duì)多項(xiàng)預(yù)測(cè)完成處理，但過去的API只返回了單一的結(jié)果)

源自社區(qū)的示例頁面

作為ML.NET Samples的一部分，現(xiàn)在新增了一個(gè)特殊頁面——由社區(qū)提供的多個(gè)示例。

里面有不少很好的例子：

照片查詢的WPF應(yīng)用，其內(nèi)部運(yùn)行TensorFlow模型，并導(dǎo)出為ONNX格式。

使用ML.NET的UWP應(yīng)用：

關(guān)于ML.NET 0.10特性有哪些就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。