隨着谷歌，Facebook發布他們的工具機器學習工具Tensorflow 2和PyTorch ，微軟的CNTK 2.7之后不再繼續更新（https://docs.microsoft.com/zh-cn/cognitive-toolkit/releasenotes/cntk_2_7_release_notes），Build 2019 微軟也發布了ML.NET 1.0 ,這是一個面向機器學習開發者的新框架。可以說2019年是機器學習社區普及化的一年，所有的這些發布清楚地表明了IT行業的發展方向。從數據集改進模型到新的模型更新，以及優化硬件。
ML.NET一直在微軟的研究部門的工作。這些創新已經用於他們自己的產品，如Windows Defender，Microsoft Office（Powerpoint設計理念，Excel圖表推薦），Azure機器學習，PowerBI。 ML.NET旨在提供終端工作流程，以便在機器學習（預處理，特征工程，建模，評估和操作）的各個步驟中將ML用於.NET應用程序。
ML.NET 1.0提供以下關鍵組件：
- 數據表示
- 機器學習任務（分類，回歸，異常檢測等）
- 數據特征工程
機器學習模型應該讓分析師的生活更輕松，現在甚至可以構建這些模型，因為新框架的設計考慮了AutoML。除了通常的機器學習任務外，ML.NET還支持AutoML。
對於機器學習初學者，Microsoft開發人員建議從Visual Studio中的ML.NET模型構建器和任何平台上的ML.NET CLI開始。對於可以隨時構建模型的場景，AutoML API也非常方便。
使用ML.NET模型構建器，只需右鍵單擊即可向應用程序添加機器學習。
資料來源：微軟
在命令行使用ML.NET
還引入了另一個工具ML.NET CLI（命令行工具），它允許使用AutoML和ML.NET生成ML.NET模型。ML.NET CLI快速遍歷特定ML任務的數據集（目前支持回歸和分類）並生成最佳模型。
CLI除了生成最佳模型外，還允許用戶為最佳性能模型生成模型訓練和 消費模型代碼。
ML.NET CLI是跨平台的，是.NET CLI 的全局工具。Visual Studio擴展ML.NET Model Builder 還使用ML.NET CLI提供模型構建器功能。
安裝ML.NET CLI：
dotnet tool install -g mlnet
這是使用回歸預測出租車票價的代碼
加載數據集
IDataView trainingDataView = mlContext.Data.LoadFromTextFile(TrainDataPath, hasHeader: true);
IDataView testDataView = mlContext.Data.LoadFromTextFile(TestDataPath, hasHeader: true);
運行AutoML二進制分類
ExperimentResult experimentResult = mlContext.Auto().CreateRegressionExperiment(ExperimentTime).Execute(trainingDataView, LabelColumnName, progressHandler: new RegressionExperimentProgressHandler());
模型評估
ITransformer model = experimentResult.BestRun.Model;
並使用測試數據集評估其質量（taxi-fare-test.csv）。
Regression.Evaluate() 計算已知票價與模型預測值之間的差異，以生成各種指標。
var predictions = trainedModel.Transform(testDataView);
var metrics = mlContext.Regression.Evaluate（predictions，scoreColumnName：“Score”）;
創建預測引擎
var predEngine = mlContext.Model.CreatePredictionEngine<TaxiTrip, TaxiTripFarePrediction>(model);
計算分數
var predictedResult = predEngine.Predict(taxiTripSample);
上面是使用Visual Studio內部的模型構建器以及CLI命令測試AutoML，還有一個API可以在.Net應用程序中使用它，使用非常簡單，添加[ Microsoft.ML.AutoML ] nuget包到項目中就可以使用API 進行工作
ML.Net示例倉庫中有一整套示例。可以重用了Common文件夾中的一些類來通過API使用AutoML 。
參考