# machinelearning-samples.zh-cn **Repository Path**: disperson/machinelearning-samples.zh-cn ## Basic Information - **Project Name**: machinelearning-samples.zh-cn - **Description**: No description available - **Primary Language**: Unknown - **License**: MIT - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2020-08-07 - **Last Updated**: 2021-11-02 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 欢迎关注我的公众号 > 注意:我们希望听到您对ML.NET的反馈。请在[本调查](https://aka.ms/feb2020-mlnet-survey)中告诉我们您的想法。 # ML.NET 示例 [ML.NET](https://www.microsoft.com/net/learn/apps/machine-learning-and-ai/ml-dotnet) 是一个跨平台的开源机器学习框架，使.NET开发人员使用机器学习变得很容易。 在这个GitHub 存储库中，我们提供了示例，这些示例将帮助您开始使用ML.NET，以及如何将ML.NET加入到现有的和新的.NET应用程序中。 **注意:** 请在[机器学习存储库](https://github.com/dotnet/machinelearning/issues)中打开与[ML.NET](https://www.microsoft.com/net/learn/apps/machine-learning-and-ai/ml-dotnet)框架相关的问题。请仅当您遇到此存储库中的示例问题时，才在存储库中创建该问题。 存储库中有两种类型的示例/应用程序： * 入门 ![](./images/app-type-getting-started.png) : 针对每个机器学习任务或领域的ML.NET代码示例，通常作为简单的控制台应用程序实现。 * 终端应用程序 ![](./images/app-type-e2e.png) : 使用ML.NET进行机器学习的Web，桌面，移动和其他应用程序的实际例子 根据场景和机器学习问题/任务，官方ML.NET示例被分成多个类别，可通过下表访问：
二元分类
Binary classification chart
Getting started icon
情绪分析
C#     F#		 Movie Recommender chart
Getting started icon
垃圾信息检测
C#     F#		 Power Anomaly detection chart
Getting started icon
信用卡欺诈识别
(Binary Classification)
C#    F#
disease detection chart
Getting started icon
心脏病预测
C#
多类分类
Issue Labeler chart
End-to-end app icon
GitHub Issues 分类
C#  F#		 Movie Recommender chart
Getting started icon
鸢尾花分类
C#    F#		 Movie Recommender chart
Getting started icon
手写数字识别
C#
建议
Product Recommender chart
Getting started icon
产品推荐
C#		 Movie Recommender chart
Getting started icon
电影推荐
(Matrix Factorization)
C#		 Movie Recommender chart
End-to-end app icon
电影推荐
(Field Aware Factorization Machines)
C#
回归
Price Prediction chart
Getting started icon
价格预测
C#     F#
Sales ForeCasting chart
End-to-end app icon
销售预测
C#

 Demand Prediction chart
Getting started icon
需求预测
C#    F#
时间序列预测

Sales ForeCasting chart
End-to-end app icon
销售预测
C#
异常情况检测
Spike detection chart

销售高峰检测
Getting started icon C#      End-to-end app icon C#		 Spike detection chart
Getting started icon
电力异常检测
C#		 Power Anomaly detection chart
Getting started icon
信用卡欺诈检测
(Anomaly Detection)
C#
聚类分析
Customer Segmentation chart
Getting started icon
客户细分
C#     F#		 IRIS Flowers chart
Getting started icon
鸢尾花聚类
C#     F#
排名
Ranking chart
Getting started icon
排名搜索引擎结果
C#
计算机视觉
Image Classification chart
图像分类训练
(High-Level API)
Getting started icon C# F#       		Image Classification chart
图像分类预测
(Pretrained TensorFlow model scoring)
Getting started icon C#   F#       End-to-end app icon C#		Image Classification chart
图像分类训练
(TensorFlow Featurizer Estimator)
Getting started icon C#   F#

Object Detection chart
目标检测
(ONNX model scoring)
Getting started icon C#      End-to-end app icon C#



跨领域方案
web image
End-to-end app icon
Web API上的可扩展模型
C#		 web image
End-to-end app icon
Razor Web应用程序上的可扩展模型
C#		 Azure functions logo
End-to-end app icon
Azure Functions上的可扩展模型
C#
Database chart
End-to-end app icon
Blazor Web应用程序上的可扩展模型
C#		 large file chart
Getting started icon
大数据集
C#		 Database chart
Getting started icon
使用DatabaseLoader加载数据
C#
Database chart
Getting started icon
使用LoadFromEnumerable加载数据
C#		 Model explainability chart
End-to-end app icon
模型可解释性
C#
# 自动生成ML.NET模型（预览状态） 前面的示例向您展示了如何使用ML.NET API 1.0（发布于2019年5月）。 但是，我们还在努力通过其他技术简化ML.NET的使用，这样您就不需要自己编写代码来训练模型，只需提供数据集即可，ML.NET将为您自动为您自动生成“最佳”模型和运行它的代码。 这些用于自动生成模型的附加技术处于预览状态，目前只支持*二进制分类、多类分类和回归*。在未来的版本中，我们将支持额外的ML任务，如*建议、异常检测、聚类分析等*。 ## CLI示例:(预览状态） ML.NET CLI（命令行界面）是一个可以在任何命令提示符（Windows，Mac或Linux）上运行的工具，用于根据您提供的训练数据集生成高质量的ML.NET模型。 此外，它还生成示例C＃代码以运行/评分该模型以及用于创建/训练它的C#代码，以便您可以研究它使用的算法和设置。 | CLI（命令行界面）示例 | |----------------------------------| | [二元分类示例](/samples/CLI/BinaryClassification_CLI) | | [多类分类示例](/samples/CLI/MulticlassClassification_CLI) | | [回归测试示例](/samples/CLI/Regression_CLI) | ## 自动化机器学习 API示例:(预览状态） ML.NET AutoML API基本上是一组打包为NuGet包的库，您可以在.NET代码中使用它们。 AutoML消除了选择不同算法，超参数的任务。 AutoML将智能地生成许多算法和超参数组合，并为您找到高质量的模型。 | 自动化机器学习 API示例 | |----------------------------------| | [二元分类示例](/samples/csharp/getting-started/BinaryClassification_AutoML) | | [多类分类示例](/samples/csharp/getting-started/MulticlassClassification_AutoML) | | [回归测试示例](/samples/csharp/getting-started/Regression_AutoML) | | [高级实验示例](/samples/csharp/getting-started/AdvancedExperiment_AutoML) | ------------------------------------------------------- # 其他ML.NET社区示例 除了微软提供的ML.NET示例之外，我们还列出了社区创建的示例，这些示例位于单独的页面中： [ML.NET 社区示例](https://github.com/dotnet/machinelearning-samples/blob/master/docs/COMMUNITY-SAMPLES.md) 这些社区示例不是由微软维护，而是由其所有者维护。 如果您已经创建了任何很酷的ML.NET示例，请将其信息添加到此[REQUEST issue](https://github.com/dotnet/machinelearning-samples/issues/86) ，我们最终将在上面提到的页面发布其信息。 # 了解更多 教程，机器学习基础知识等详细信息，请参阅[ML.NET指南](https://docs.microsoft.com/en-us/dotnet/machine-learning/) 。 # API参考 请查看[ML.NET API参考](https://docs.microsoft.com/dotnet/api/?view=ml-dotnet)，了解各种可用的 API。 # 贡献 我们欢迎贡献！ 请查看我们的[贡献指南](CONTRIBUTING.md)。 # 社区 请加入我们的Gitter社区 [![Join the chat at https://gitter.im/dotnet/mlnet](https://badges.gitter.im/Join%20Chat.svg)](https://gitter.im/dotnet/mlnet?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge) 这个项目采用了[贡献者契约](http://contributor-covenant.org/)规定的行为准则，以表明我们社区的预期行为。有关更多信息，请参见[.NET基金会行为准则](https://dotnetfoundation.org/code-of-conduct)。 # 许可证 [ML.NET 示例](https://github.com/dotnet/machinelearning-samples)根据[MIT许可证](https://github.com/dotnet/machinelearning-samples/blob/master/LICENSE)获得许可。