LearningPipeline類用於定義執行所需機器學習任務所需的步驟，讓機器學習的流程變得直觀。

創建工作流

創建LearningPipeline實例，通過Add方法向流水線添加步驟，每個步驟都繼承自ILearningPipelineItem接口。

其中，藍色部分是可選步驟。

生成預測模型

調用LearningPipeline實例的Train方法，就可以根據已加載和處理後的數據集得到預測模型PredictionModel<TInput,TOutput>。

示例代碼

var pipeline = new LearningPipeline();
/加載數據      
pipeline.Add(new TextLoader <SentimentData> (dataPath, separator: ","));
//數據預處理，將文本文檔集合轉換為數值功能矢量
pipeline.Add(new TextFeaturizer("Features", "SentimentText"));
//選擇學習算法
pipeline.Add(new FastTreeBinaryClassifier());

var model = pipeline.Train<SentimentData, SentimentPrediction>();

學習ML.NET(1): 使用LearningPipeline構建機器學習流水線