ML.NET 示例中文版：https://github.com/feiyun0112/machinelearning-samples.zh-cn
英文原版請訪問：https://github.com/dotnet/machinelearning-samples
ML.NET 示例
ML.NET 是一個跨平台的開源機器學習框架，使.NET開發人員使用機器學習變得很容易。
在這個GitHub 存儲庫中，我們提供了示例，這些示例將幫助您開始使用ML.NET，以及如何將ML.NET加入到現有的和新的.NET應用程序中。
注意: 請在機器學習存儲庫中打開與ML.NET框架相關的問題。請僅當您遇到此存儲庫中的示例問題時，才在存儲庫中創建該問題。
存儲庫中有兩種類型的示例/應用程序：
-
入門
: 針對每個機器學習任務或領域的ML.NET代碼示例，通常作為簡單的控制台應用程序實現。 -
終端應用程序
: 使用ML.NET進行機器學習的Web，桌面，移動和其他應用程序的實際例子
根據場景和機器學習問題/任務，官方ML.NET示例被分成多個類別，可通過下表訪問：
| 二元分類 | ||
  情緒分析 C# F# |
 垃圾信息檢測 C# F# |
 信用卡欺詐識別 (Binary Classification) C# F# |
 心臟病預測 C# |
||
| 多類分類 | ||
  GitHub Issues 分類 C# F# |
 鳶尾花分類 C# F# |
 手寫數字識別 C# |
| 建議 | ||
 產品推薦 C# |
 電影推薦 (Matrix Factorization) C# |
電影推薦 (Field Aware Factorization Machines) C# |
| 回歸 | ||
 價格預測 C# F# |
 銷售預測 C# |
 需求預測 C# F# |
| 時間序列預測 | ||
銷售預測< C# |
||
| 異常情況檢測 | ||
 銷售高峰檢測 C# C# |
電力異常檢測 C# |
信用卡欺詐檢測 (Anomaly Detection) C# |
| 聚類分析 | ||
 客戶細分 C# F# |
 鳶尾花聚類< C# F# |
|
| 排名 | ||
 排名搜索引擎結果 C# |
||
| 計算機視覺 | ||
 圖像分類 (TensorFlow 模型評分) C# F# C# |
圖像分類 (TensorFlow 估算器) C# F# |
 目標檢測 (ONNX 模型評分) C# C# |
| 橫切情景 | ||
 Web API上的可擴展模型 C# |
Razor Web應用程序上的可擴展模型 C# |
 Azure Functions上的可擴展模型 C# |
 Blazor Web應用程序上的可擴展模型 C# |
 大數據集 C# |
 使用數據庫訓練模型 C# |
 模型可解釋性 C# |
||
自動生成ML.NET模型（預覽狀態）
前面的示例向您展示了如何使用ML.NET API 1.0（發布於2019年5月）。
但是，我們還在努力通過其他技術簡化ML.NET的使用，這樣您就不需要自己編寫代碼來訓練模型，只需提供數據集即可，ML.NET將為您自動為您自動生成“最佳”模型和運行它的代碼。
這些用於自動生成模型的附加技術處於預覽狀態，目前只支持二進制分類、多類分類和回歸。在未來的版本中，我們將支持額外的ML任務，如建議、異常檢測、聚類分析等。
CLI示例:(預覽狀態）
ML.NET CLI（命令行界面）是一個可以在任何命令提示符（Windows，Mac或Linux）上運行的工具，用於根據您提供的訓練數據集生成高質量的ML.NET模型。 此外，它還生成示例C＃代碼以運行/評分該模型以及用於創建/訓練它的C#代碼，以便您可以研究它使用的算法和設置。
| CLI（命令行界面）示例 |
|---|
| 二元分類示例 |
| 多類分類示例 |
| 回歸測試示例 |
自動化機器學習 API示例:(預覽狀態）
ML.NET AutoML API基本上是一組打包為NuGet包的庫，您可以在.NET代碼中使用它們。 AutoML消除了選擇不同算法，超參數的任務。 AutoML將智能地生成許多算法和超參數組合，並為您找到高質量的模型。
| 自動化機器學習 API示例 |
|---|
| 二元分類示例 |
| 多類分類示例 |
| 回歸測試示例 |
| 高級實驗示例 |
其他ML.NET社區示例
除了微軟提供的ML.NET示例之外，我們還列出了社區創建的示例，這些示例位於單獨的頁面中：
ML.NET 社區示例
這些社區示例不是由微軟維護，而是由其所有者維護。
如果您已經創建了任何很酷的ML.NET示例，請將其信息添加到此REQUEST issue ，我們最終將在上面提到的頁面發布其信息。
了解更多
教程，機器學習基礎知識等詳細信息，請參閱ML.NET指南 。
API參考
請查看ML.NET API參考，了解各種可用的 API。
貢獻
我們歡迎貢獻！ 請查看我們的貢獻指南。
社區
請加入我們的Gitter社區 
這個項目采用了貢獻者契約規定的行為准則，以表明我們社區的預期行為。有關更多信息，請參見.NET基金會行為准則。