ML.NET 0.10特性有哪些

這篇文章給大家介紹ML.NET 0.10特性有哪些，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

IDataView被單獨作為一個類庫包

IDataView組件為表格式數據提供了非常高效的處理方式，尤其是用于機器學習和高級分析應用。它被設計為可以高效地處理高維數據和大型數據集。并且也適合處理屬于更大的分布式數據集中的單個數據區塊結點。

在ML.NET 0.10中，IDataView被拆分成單個程序集和NuGet類庫包。這對于與其它API及框架交互是極重要的一步。

在被拆分后，其它的類庫將能直接引用它，而不需要引用整個ML.NET。這樣有助于第三方類庫也能使用IDataView所提供的強大功能。

場感知分解機訓練器支持多個特征列

在之前的ML.NET版本中，當使用場感知分解機(FFM)訓練器時，僅可以提供單個特征列。

在新的版本里，支持在Options參數里添加額外的特征列。

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

支持返回多個預測標簽

之前的版本里，即使預測多類別分類問題，也只能返回單一的標簽。

現在，這一缺陷終于被修復了。(其實在內部邏輯里已經對多項預測完成處理，但過去的API只返回了單一的結果)

源自社區的示例頁面

作為ML.NET Samples的一部分，現在新增了一個特殊頁面——由社區提供的多個示例。

里面有不少很好的例子：

照片查詢的WPF應用，其內部運行TensorFlow模型，并導出為ONNX格式。

使用ML.NET的UWP應用：

關于ML.NET 0.10特性有哪些就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。