ML.NET

  • Artykuł

Poniższe samouczki pozwalają zrozumieć, jak używać programu ML.NET do tworzenia niestandardowych rozwiązań uczenia maszynowego i integrowania ich z aplikacjami .NET:

  • Analiza tonacji: pokazuje, jak zastosować zadanie klasyfikacji binarnej przy użyciu ML.NET.
  • GitHub klasyfikacji problemów: pokazuje, jak zastosować wieloklasowe zadanie klasyfikacji przy użyciu ML.NET.
  • Przewidywanie cen: pokazuje, jak zastosować zadanie regresji przy użyciu ML.NET.
  • Klastrowanie irysów: pokazuje, jak zastosować zadanie klastrowania przy użyciu ML.NET.
  • Zalecenie: generowanie rekomendacji filmów na podstawie klasyfikacji poprzednich użytkowników
  • Klasyfikacja obrazów: pokazuje, jak ponownie wytrenować istniejący model TensorFlow w celu utworzenia niestandardowego klasyfikatora obrazów przy użyciu ML.NET.
  • Wykrywanie anomalii: pokazuje, jak utworzyć aplikację do wykrywania anomalii na podstawie analizy danych sprzedaży produktów.
  • Wykrywanie obiektów na obrazach: pokazuje, jak wykrywać obiekty na obrazach przy użyciu wstępnie wytrenego modelu ONNX.
  • Klasyfikowanie tonacji recenzji filmów: dowiedz się, jak załadować wstępnie wytrenowany model TensorFlow w celu klasyfikowania tonacji recenzji filmów.

Następne kroki

Aby uzyskać więcej przykładów ML.NET, zapoznaj się z repozytorium dotnet/machinelearning-samples GitHub.