ML.NET0.10特性有哪些

这篇文章给大家介绍ML.NET 0.10特性有哪些，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：主机域名、雅安服务器托管、营销软件、网站建设、沐川网站维护、网站推广。

IDataView被单独作为一个类库包

IDataView组件为表格式数据提供了非常高效的处理方式，尤其是用于机器学习和高级分析应用。它被设计为可以高效地处理高维数据和大型数据集。并且也适合处理属于更大的分布式数据集中的单个数据区块结点。

在ML.NET 0.10中，IDataView被拆分成单个程序集和NuGet类库包。这对于与其它API及框架交互是极重要的一步。

在被拆分后，其它的类库将能直接引用它，而不需要引用整个ML.NET。这样有助于第三方类库也能使用IDataView所提供的强大功能。

场感知分解机训练器支持多个特征列

在之前的ML.NET版本中，当使用场感知分解机(FFM)训练器时，仅可以提供单个特征列。

在新的版本里，支持在Options参数里添加额外的特征列。

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

支持返回多个预测标签

之前的版本里，即使预测多类别分类问题，也只能返回单一的标签。

现在，这一缺陷终于被修复了。(其实在内部逻辑里已经对多项预测完成处理，但过去的API只返回了单一的结果)

源自社区的示例页面

作为ML.NET Samples的一部分，现在新增了一个特殊页面——由社区提供的多个示例。

里面有不少很好的例子：

照片查询的WPF应用，其内部运行TensorFlow模型，并导出为ONNX格式。

使用ML.NET的UWP应用：

关于ML.NET 0.10特性有哪些就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。