什麼是機器學習模型？

  • 發行項

機器學習模型是已定型以辨識特定模式類型的物件（儲存在本機檔案中）。 您可以使用一組資料來將模型定型，為其提供演算法，使其可用於透過那些資料進行推理，並從中學習。

將模型定型之後，您可以使用模型對之前未曾看過的資料進行推理，並對這些資料進行預測。 例如，假設您想要建置一個應用程式，以根據使用者的臉部表情來辨識使用者的情緒。 您可以藉由提供臉部的影像並將其標記為特定情緒，將模型定型，然後您可以在可辨識任何使用者情緒的應用程式中使用該模型。

Windows ML 模型流程圖形

使用 機器學習 的時機

良好的機器學習案例通常具有下列常見屬性：

  1. 它們牽涉到您想要自動化的重複決策或評估，且需要一致的結果。
  2. 很難或不可能明確描述決策背後的解決方案或準則。
  3. 您已標記數據，或現有的範例，您可以在其中描述情況，並將其對應至正確的結果。

Windows Machine Learning 針對其模型使用 Open Neural Network Exchange (ONNX) 格式。 您可以下載預先定型的模型，也可以將您自己的模型定型。 如需詳細資訊，請參閱取得適用於 Windows ML 的 ONNX 模型。

開始使用

您可以遵循我們的其中一個完整應用程式教學課程或直接跳至 Windows 機器學習 範例，開始使用 Windows 機器學習。

注意

使用下列資源取得 Windows ML 的說明：

  • 如需詢問或回答有關 Windows ML 的技術問題，請使用 Stack Overflow 上的 windows-machine-learning 標籤。
  • 如需回報錯誤 (bug)，請在 GitHub 上提出問題。