注意：我们很想听听您对MLOP的想法。在这项调查中让我们知道。
ML.NET样品
ML.NET是一个跨平台开源机器学习框架，使机器学习可供.NET开发人员访问。
在此GitHub回购中，我们提供样品，这些样本将帮助您开始使用ml.net以及如何将ML注入现有和新的.NET应用程序中。
注意：请在机器学习存储库中与ML.NET框架有关的问题打开问题。仅当您面对此存储库中的样本问题时，请在此存储库中创建问题。
存储库中有两种样本/应用程序：
-
入门：每个ML任务或区域的ML.NET代码聚焦样本，通常以简单的控制台应用程序实现。
-
末端应用程序：最终用户样本网络和桌面应用程序，这些应用程序注入了基于ML.NET的机器学习模型。
根据场景和机器学习问题/任务，官方ML.NET样本分为多个类别，可通过以下表访问：
| 二进制分类 | ||
|
情感分析 |
垃圾邮件检测 |
信用卡欺诈检测 |
|
心脏病预测 |
||
| 多类分类 | ||
|
问题分类 |
虹膜花分类 |
mnist |
| 推荐 | ||
|
产品推荐 |
电影推荐 |
电影推荐 |
| 回归 | ||
|
价格预测 |
销售预测（回归） |
需求预测 |
| 时间序列预测 | ||
|
销售预测（时间序列） |
||
| 异常检测 | ||
|
销售峰值检测 |
动力异常检测 |
信用卡欺诈检测 |
| 聚类 | ||
|
客户细分 |
虹膜花聚类 |
|
| 排行 | ||
|
排名搜索引擎结果 |
||
| 计算机视觉 | ||
| 图像分类培训 （高级API） C＃F＃ |
图像分类预测 （验证的张量流模型评分） C＃F＃C＃ |
图像分类培训 （TensorFlow功能估计器） C＃F＃ |
|
对象检测 |
||
| 交叉切割方案 | ||
|
WebAPI上的可扩展模型 |
Razor Web应用程序上的可扩展模型 |
Azure功能上的可扩展模型 |
|
Blazor Web应用上的可扩展模型 |
大数据集 |
加载数据使用databaseloader |
|
加载数据使用载荷效果 |
模型解释性 |
导出到ONNX |
自动化ML.NET模型生成（预览状态）
以前的样本向您展示了如何使用ML.NET API 1.0（GA自2019年5月以来）。
但是，我们还使用其他技术来简化ML.NET的使用，以自动为您创建模型，因此您无需自己编写代码即可训练模型，您只需要提供数据集即可。 “最佳”模型和运行代码将为您生成。
这些用于自动化模型生成的附加技术处于预览状态，目前仅支持二进制分类，多类分类和回归。在即将发布的版本中，我们将支持其他ML任务，例如建议，异常检测，聚类等。
CLI样本：（预览状态）
ML.NET CLI（命令行接口）是您可以在任何命令启动（Windows，Mac或Linux）上运行的工具，用于基于提供的培训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/分数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（命令行接口）样本 |
|---|
| 二进制分类样本 |
| 多类分类样本 |
| 回归样本样本 |
AUTOML API样品：（预览状态）
这些样品使用Automl API的0.1.x版本。尽管这些API仍在0.2.x版本中工作，但我们建议使用0.2.x和更高版本中引入的新API。有关0.2.x样品，请参见ML.NET 2.0样品。
ML.NET AUTOML API基本上是一组包装为Nuget软件包的库，您可以从.NET代码中使用。 Automl消除了选择不同算法，超参数的任务。 Automl将智能生成许多算法和超参数组合，并将为您找到高质量的模型。
| 汽车API样品 |
|---|
| 二元分类样品 |
| 多类分类样品 |
| 排名样本 |
| 回归样品 |
| 高级实验样本 |
除了Microsoft提供的ML.NET样本外，我们还强调了由此分离的页面中展示的社区创建的样本：ML.NET社区样本
这些社区样本不受Microsoft的维护，而是其所有者维护的
其他
ML.NET社区样本。
如果您创建了任何很酷的ML.NET示例，请将其信息添加到此请求问题中，我们最终将其信息发布在上述页面中。
样本的翻译：
- 中文简化
了解更多信息，
请参见ML.NET指南，以获取有关教程，ML基础知识等的详细信息。API
参考
查看ML.NET API参考，以查看可用的API广度。
贡献
我们欢迎捐款！请查看我们的贡献指南。
社区
请加入我们的社区，
该项目采用了撰稿人盟约定义的行为准则，以阐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。
许可证
ML.NET样品已根据MIT许可证获得许可。
