ML.NET 1.1 已發布。ML.NET 是一個跨平台的機器學習框架,旨在讓 .NET 開發者更快上手機器學習,它允許 .NET 開發者開發他們自己的模型,並將自定義 ML 注入到應用程序中。
1.1 的更新亮點包括針對 ML.NET 的更新,以及用於 Visual Studio 的 Model Builder 的更新。
在舊版本的 ML.NET 中,每當在模型中使用圖像時(例如使用圖像對 TensorFlow 或 ONNX 模型進行評分時),我們需要從指定文件路徑的驅動器的文件夾中載入圖像。但在 ML.NET 1.1 中,現在可以載入內存中的圖像並直接處理它們。
在時間序列 NuGet 包(Time Series NuGet package)中添加了一個名為 SrCnnAnomalyDetection
的新異常檢測演算法(Anomaly Detection algorithm)。此演算法基於超解析度深度卷積網路(Super-Resolution Deep Convolutional Network.),它優點之一是不需要任何先前的訓練。
如要進一步學習,請參閱這段進行異常檢測的示例代碼。
添加到時間序列 NuGet 包中的這一新功能允許我們實現基於 Singular Spectrum Analysis(SSA)
的時間序列預測模型。
它在 ML.NET 中被命名為AdaptiveSingularSpectrumSequenceModeler
。當數據具有某種周期性組件時,這種類型的時間序列預測非常有用,其中事件具有因果關係,並且它們在某個時間點發生(或未發生)。例如,受不同海運(假日季節、銷售時間表和周末等)影響的銷售預測或時間成分重要的任何其他類型的數據。
此版本的模型構建器增加了對新方案的支持,並解決了許多用戶報告的問題。
此方案使用戶能夠添加對將表格數據分類到許多類的支持。該模板使用多類(multi-class)的分類方式,可用於將數據分類為 3 個以上的類別。例如,可以使用此模板預測 GitHub issue、用戶提交的工單,以及將電子郵件分類到不同的類別和更多場景。
評估步驟(Evaluate step)現在會顯示有關所探索的頂級模型的更多正確信息。這是大多數用戶報告的請求修復的錯誤。
通過引用項目名稱來改進易於使用生成代碼的指令。
[admin
]