Angekündigt von ML.NET 1.0

Wir haben kürzlich die Veröffentlichung von ML.NET 1.0 angekündigt. ML.NET ist ein kostenloses, plattformübergreifendes und offenes Framework für maschinelles Lernen, das die Funktionen des maschinellen Lernens (ML) in .NET-Anwendungen nutzt.



github.com/dotnet/machinelearning
Start: dot.net/ml

Mit ML.NET können Sie benutzerdefinierte Modelle für maschinelles Lernen mithilfe von C # oder F # für Szenarien wie Stimmungsanalyse, Problemklassifizierung, Prognose, Empfehlungen und viele andere trainieren, erstellen und bereitstellen. Sie können diese allgemeinen Szenarien und Aufgaben in unserem Beispiel-ML.NET-Beispiel-Repository überprüfen .

ML.NET wurde ursprünglich als Teil von Microsoft Research entwickelt, später jedoch zu einem wichtigen Framework, das von vielen Microsoft-Produkten verwendet wird, z. B. Windows Defender, Microsoft Office (Ideen für das Design in PowerPoint, empfohlene Diagramme in Excel), Azure Machine Learning und Visualisierung von Schlüsselfaktoren Einflüsse in PowerBI und so weiter!

Seit seiner Einführung wurde ML.NET von vielen Organisationen verwendet, darunter SigParser (Erkennung von Spam in E-Mails) , William Mullens (Klassifizierung rechtlicher Probleme) und Evolution Software (Bestimmung der Haselnussfeuchtigkeit) . Sie können den Pfad dieser und vieler anderer Organisationen mithilfe von ML.NET in unseren ML.NET-Kundenausstellungen verfolgen . Die vorgestellten Kunden teilen uns mit, dass die Benutzerfreundlichkeit von ML.NET, die Möglichkeit, ihre .NET-Kenntnisse wiederzuverwenden, und die vollständige Beibehaltung ihres technischen Stacks in .NET die Haupttreiber für die Verwendung von ML.NET sind.

Mit der Veröffentlichung von ML.NET 1.0 fügen wir auch neue Vorschaufunktionen wie automatisiertes maschinelles Lernen (AutoML) und neue Tools wie ML.NET CLI und ML.NET Model Builder hinzu, dh das Hinzufügen von Modellen für maschinelles Lernen Ihre Bewerbungen werden jetzt nur noch mit Rechtsklick ausgeführt!



Der Rest dieses Beitrags ist diesem neuen Experiment gewidmet.

• Schlüsselkomponenten von ML.NET
• Automatisiertes maschinelles Lernen (Vorschau)
• ML.NET Model Builder (Vorschau)
• ML.NET CLI (Vorschau)
• Erste Schritte mit ML.NET
• Straße voraus

Schlüsselkomponenten von ML.NET

ML.NET zielt darauf ab, den endgültigen Workflow für die Verwendung von ML in .NET-Anwendungen in verschiedenen Phasen des maschinellen Lernens (Vorverarbeitung, Feature-Design, Modellierung, Evaluierung und Inbetriebnahme) bereitzustellen. ML.NET 1.0 bietet die folgenden Schlüsselkomponenten:

1. Datenpräsentation
   
   • Grundlegende ML- Datenpipeline- Datentypen wie IDataView (ist ein grundlegender Datenpipeline- Typ)
   • Leser, die das Lesen von Daten aus begrenzten Textdateien oder IEnumerable-Objekten unterstützen
2. Unterstützung für maschinelle Lernaufgaben:
   
   • Binäre Klassifizierung
   • Klassifizierung mehrerer Klassen
   • Regression
   • Rangliste
   • Anomalieerkennung
   • Clustering
   • Empfehlung (Vorschau)
3. Datentransformation und Featurisierung
   
   • Text
   • Kategorien
   • Funktionsauswahl
   • Normalisierung und Verarbeitung fehlender Werte
   • Bildfunktion
   • Zeitreihen (Vorschau)
   • Unterstützung für die Integration von ONNX- und TensorFlow-Modellen (Vorschau)
4. Andere
   
   • Modell des Verstehens und der Erklärbarkeit
   • Benutzerdefinierte benutzerdefinierte Transformationen
   • Operationsdiagramm
   • Unterstützung für Datensatzmanipulation und Kreuzvalidierung

Automatisiertes maschinelles Lernen (Vorschau)

Der Einstieg in das maschinelle Lernen umfasst heute eine steile Lernkurve. Wenn Sie benutzerdefinierte Modelle für maschinelles Lernen erstellen, müssen Sie herausfinden, welche maschinelle Lernaufgabe für Ihr Szenario ausgewählt werden soll (z. B. Klassifizierung oder Regression?), Wie Sie die Daten in ein Format konvertieren, das ML-Algorithmen verstehen können (z. B. Textdaten -> numerische Vektoren), und Optimieren Sie diese ML-Algorithmen für die beste Leistung. Wenn Sie neu in ML sind, kann jeder dieser Schritte ziemlich schwierig sein!

Automatisiertes maschinelles Lernen vereinfacht Ihre Reise mit ML, indem automatisch herausgefunden wird, wie Ihre Eingabedaten konvertiert werden, und der beste ML-Algorithmus mit den richtigen Einstellungen ausgewählt wird, sodass Sie auf einfache Weise erstklassige benutzerdefinierte ML-Modelle erstellen können.

Die AutoML-Unterstützung in ML.NET befindet sich jetzt im Vorschaumodus. Derzeit unterstützen wir nur die wichtigsten ML-Aufgaben - Regression (für Skripte wie Preisvorhersage) und Klassifizierung (für Skripte wie Stimmungsanalyse, Dokumentenklassifizierung, Spam-Erkennung usw.).

Sie können AutoML in ML.NET in drei Formfaktoren ausprobieren: mit dem ML.NET Model Builder, der ML.NET CLI oder direkt mit der AutoML-API ( Beispiele finden Sie hier ).

Für Anfänger im maschinellen Lernen empfehlen wir, auf jeder Plattform mit dem ML.NET Model Builder in Visual Studio und der ML.NET CLI zu beginnen. Die AutoML-API ist auch sehr praktisch für Skripte, in denen Sie Modelle im laufenden Betrieb erstellen möchten.

Model Builder (Vorschau)

Um den .NET-Entwicklern das Erstellen von ML-Modellen zu vereinfachen, möchten wir Ihnen auch den ML.NET Model Builder vorstellen. Mit ML.NET Model Builder können Sie Ihren Anwendungen jetzt mit nur einem Rechtsklick maschinelles Lernen hinzufügen!

Model Builder ist ein einfaches UI-Tool für Entwickler, die AutoML verwenden, um mithilfe des bereitgestellten Datasets erstklassige ML-Modelle zu erstellen. Darüber hinaus generiert Model Builder Modellschulungs- und Modellverbrauchscode für das effizienteste Modell, mit dem Sie einer vorhandenen Anwendung schnell ML hinzufügen können.



Erfahren Sie mehr über ML.NET Model Builder

Model Builder befindet sich derzeit im ersten Modus und wir möchten, dass Sie es versuchen und Ihre Meinung mit uns teilen!

ML.NET CLI (Vorschau)

ML.NET CLI (Befehlszeilenschnittstelle) ist ein weiteres neues Tool, das wir vorstellen!

ML.NET CLI ist ein Dotnet-Tool, mit dem Sie ML.NET-Modelle mit AutoML und ML.NET generieren können. Die ML.NET-CLI durchläuft außerdem schnell Ihren Datensatz für eine bestimmte ML-Aufgabe (unterstützt derzeit Regression und Klassifizierung) und erstellt das beste Modell.

Die CLI ermöglicht Benutzern nicht nur das Erstellen des besten Modells, sondern auch das Generieren von Modelltraining und Modellverbrauchscode, um das effizienteste Modell zu erstellen.

ML.NET CLI ist ein plattformübergreifendes und einfaches Addon zur .NET CLI. Übrigens verwendet die Model Builder-Erweiterung für Visual Studio auch die ML.NET-CLI, um Funktionen bereitzustellen.

Sie können die ML.NET-CLI über diesen Befehl installieren:
dotnet tool install -g mlnet

Das folgende GIF-Bild zeigt die ML.NET-CLI, mit der der Datensatz für die Stimmungsanalyse erstellt wird.



Erfahren Sie mehr über ML.NET CLI

ML.NET CLI befindet sich ebenfalls im First-Mode-Modus. Wir möchten, dass Sie es ausprobieren und Ihre Meinung mit uns teilen!

Fangen Sie jetzt an!

Wenn Sie dies noch nicht getan haben, beachten Sie: Der Einstieg in ML.NET ist einfach und Sie können dies in nur wenigen einfachen Schritten tun, wie unten gezeigt. Das folgende Beispiel zeigt, wie die Stimmungsanalyse mit ML.NET durchgeführt werden kann .

 // 1.  ML Context var ctx = new MLContext(); // 2. Read  input    IDataView dataReader = ctx.Data .LoadFromTextFile<MyInput>(dataPath, hasHeader: true); // 3.    IEstimator<ITransformer> est = ctx.Transforms.Text .FeaturizeText("Features", nameof(SentimentIssue.Text)) .Append(ctx.BinaryClassification.Trainers .LbfgsLogisticRegression("Label", "Features")); // 4.    ITransformer trainedModel = est.Fit(dataReader); // 5.  ,    var predictionEngine = ctx.Model .CreatePredictionEngine<MyInput, MyOutput>(trainedModel); var sampleStatement = new MyInput { Text = "This is a horrible movie" }; var prediction = predictionEngine.Predict(sampleStatement); 

Sie können auch verschiedene andere Bildungsressourcen wie Tutorials, Ressourcen für ML.NET sowie ML.NET-Beispiele untersuchen , die beliebte Szenarien wie Produktempfehlungen, Erkennung von Anomalien und viele andere veranschaulichen .

Was wird als nächstes in ML.NET passieren?

Obwohl wir sehr erfreut sind, ML.NET 1.0 zu veröffentlichen, arbeitet unser Team bereits hart daran, die folgenden Funktionen nach der Veröffentlichung von 1.0 zu integrieren:

• AutoML für optionale ML-Skripte
• Verbesserte Unterstützung für Deep Learning Scripting
• Unterstützung für andere zusätzliche Quellen wie SQL Server, CosmosDB, Azure Blob-Speicher usw.
• Azure-Skalierung für Modelltraining und Modellverbrauch
• Unterstützung für zusätzliche Skripte und ML-Funktionen bei Verwendung von Model Builder und CLI
• Native Integration für skalierungsbasiertes maschinelles Lernen mit .NET für Apache Spark und ML.NET
• Neue ML-Typen in .NET, z. B. DataFrame