ML.NET 示例：目錄
ML.NET 示例中文版，英文原版請訪問：https://github.com/dotnet/machinelearning-samples
ML.NET 示例
ML.NET 是一個跨平臺的開源機器學習框架，使.NET開發人員使用機器學習變得很容易。
在這個GitHub 儲存庫中，我們提供了示例，這些示例將幫助您開始使用ML.NET，以及如何將ML.NET加入到現有的和新的.NET應用程式中。
注意: 請在機器學習儲存庫中開啟與ML.NET框架相關的問題。請僅當您遇到此儲存庫中的示例問題時，才在儲存庫中建立該問題。
儲存庫中有兩種型別的示例/應用程式：
入門
: 針對每個機器學習任務或領域的ML.NET程式碼示例，通常作為簡單的控制檯應用程式實現。終端應用程式
: 使用ML.NET進行機器學習的Web，桌面，移動和其他應用程式的實際例子
根據場景和機器學習問題/任務，官方ML.NET示例被分成多個類別，可通過下表訪問：
| 二元分類 | ||
 情緒分析 C# F#  |
 垃圾資訊檢測 C# F# |
 欺詐識別 C# F# |
 心臟病預測 C# |
||
| 多類分類 | ||
 問題分類 C# F#  |
 鳶尾花分類 C# F# |
 手寫數字識別 C# |
| 建議 | ||
 產品推薦 C# |
 電影推薦 C# |
電影推薦 (E2E app) C# |
| 迴歸測試 | ||
 價格預測 C# F# |
 銷售預測 C# |
 需求預測 C# F# |
| 聚類分析 | ||
 客戶細分 C# F# |
 鳶尾花聚類 C# F# |
|
| 異常情況檢測 | ||
 銷售高峰檢測 C#
C# |
 電力異常檢測 C# |
|
| 計算機視覺 | ||
 影象分類 (TensorFlow 模型評分) C# F# |
影象分類 (TensorFlow 估算器) C# F# |
 目標檢測 (ONNX 模型評分) C#
C# |
| 交叉情景 | ||
 Web API上的可擴充套件模型 C# |
 資料庫訓練模型 C# |
 可擴充套件的Blazor Web應用程式 C# |
自動生成ML.NET模型（預覽狀態）
前面的示例向您展示瞭如何使用ML.NET API 1.0（釋出於2019年5月）。
但是，我們還在努力通過其他技術簡化ML.NET的使用，這樣您就不需要自己編寫程式碼來訓練模型，只需提供資料集即可，ML.NET將為您自動為您自動生成“最佳”模型和執行它的程式碼。
這些用於自動生成模型的附加技術處於預覽狀態，目前只支援二進位制分類、多類分類和迴歸。在未來的版本中，我們將支援額外的ML任務，如建議、異常檢測、聚類分析等。
CLI示例:(預覽狀態）
ML.NET CLI（命令列介面）是一個可以在任何命令提示符（Windows，Mac或Linux）上執行的工具，用於根據您提供的訓練資料集生成高質量的ML.NET模型。 此外，它還生成示例C＃程式碼以執行/評分該模型以及用於建立/訓練它的C#程式碼，以便您可以研究它使用的演算法和設定。
| CLI（命令列介面）示例 |
|---|
| 二元分類示例 |
| 多類分類示例 |
| 迴歸測試示例 |
自動化機器學習 API示例:(預覽狀態）
ML.NET AutoML API基本上是一組打包為NuGet包的庫，您可以在.NET程式碼中使用它們。 AutoML消除了選擇不同演算法，超引數的任務。 AutoML將智慧地生成許多演算法和超引數組合，併為您找到高質量的模型。
| 自動化機器學習 API示例 |
|---|
| 二元分類示例 |
| 多類分類示例 |
| 迴歸測試示例 |
| 高階實驗示例 |
其他ML.NET社群示例
除了微軟提供的ML.NET示例之外，我們還列出了社群建立的示例，這些示例位於單獨的頁面中：
ML.NET 社群示例
這些社群示例不是由微軟維護，而是由其所有者維護。
如果您已經建立了任何很酷的ML.NET示例，請將其資訊新增到此REQUEST issue ，我們最終將在上面提到的頁面釋出其資訊。
瞭解更多
教程，機器學習基礎知識等詳細資訊，請參閱ML.NET指南 。
API參考
請檢視ML.NET API參考，瞭解各種可用的 API。
貢獻
我們歡迎貢獻！ 請檢視我們的貢獻指南。
社群
請加入我們的Gitter社群 
這個專案採用了貢獻者契約規定的行為準則，以表明我們社群的預期行為。有關更多資訊，請參見.NET基金會行為準則。
許可證
ML.NET 示例根據MIT許可證獲得許可