ML.NET 0.7 (मशीन लर्निंग .NET)

हमें .NET नेटवर्क्स का नवीनतम संस्करण ML.NET 0.7 जारी करने की कृपा है, .NET डेवलपर्स के लिए क्रॉस-प्लेटफॉर्म और ओपन सोर्स मशीन लर्निंग सिस्टम का नवीनतम संस्करण ( ML.NET 0.1 // बिल्ड 2018 पर जारी किया गया था )। यह रिलीज प्लेटफॉर्म की कार्यक्षमता का विस्तार करने के उद्देश्य से है। कटौती के तहत अधिक जानकारी!

मैट्रिक्स फैक्टराइजेशन के साथ समर्थन प्रणाली की सिफारिशें

अनुशंसित सिस्टम आपको कैटलॉग उत्पादों, गीतों, फिल्मों, आदि के लिए व्यक्तिगत सिफारिशें बनाने की अनुमति देता है। हमने मैट्रिक्स फ़ैक्टराइजेशन (एमएफ) को जोड़कर ML.NET में सिफारिश प्रणाली बनाने के लिए समर्थन में सुधार किया है। यह अनुशंसाओं के लिए एक लोकप्रिय दृष्टिकोण है जब आप इस बात पर डेटा प्राप्त कर सकते हैं कि उपयोगकर्ता कैटलॉग में कुछ वस्तुओं को कैसे रेट करते हैं। उदाहरण के लिए, आप यह जान सकते हैं कि उपयोगकर्ता कुछ फिल्मों को कैसे रेट करते हैं। इस ज्ञान के लिए धन्यवाद, आप अन्य फिल्मों की सिफारिश कर सकते हैं जिन्हें वे शायद देखना भी चाहते हैं।

हमने MF को ML.NET में जोड़ा क्योंकि यह अक्सर फील्ड-अवेयर फैक्टराइजेशन मशीनों (जिसे हमने ML.NET 0.3 में जोड़ा है) की तुलना में काफी तेज है और यह उन रेटिंग्स का समर्थन कर सकता है जो इसके बजाय संख्यात्मक (जैसे 1-5 सितारे) हैं। बाइनरी मान ("पसंद" या "पसंद नहीं आया")। इस तथ्य के बावजूद कि हमने एमएफ को जोड़ा है, फिर भी आप एफएफएम का उपयोग कर सकते हैं यदि आप उस रेटिंग के बाहर अन्य जानकारी का उपयोग करना चाहते हैं जो उपयोगकर्ता तत्व को सौंपता है (उदाहरण के लिए, मूवी शैली, मूवी रिलीज की तारीख, उपयोगकर्ता प्रोफ़ाइल)। मतभेदों की अधिक विस्तृत चर्चा यहां पाई जा सकती है ।

एमएफ का उपयोग करने का एक उदाहरण यहां पाया जा सकता है । यह उदाहरण सामान्य है, लेकिन आप कल्पना कर सकते हैं कि मैट्रिक्स पंक्तियाँ उपयोगकर्ताओं के अनुरूप हैं, मैट्रिक्स कॉलम फिल्मों के अनुरूप हैं, और मैट्रिक्स मान रेटिंग के अनुरूप हैं। यह मैट्रिक्स बल्कि दुर्लभ है क्योंकि उपयोगकर्ताओं ने निर्देशिका का केवल एक छोटा सा उप-भाग रेट किया है।

MF ML.NET LIBMF का उपयोग करता है।

विसंगति का पता लगाने के परिदृश्य - असामान्य घटनाओं का पता लगाएं

विसंगति का पता लगाने से आप असामान्य मूल्यों या घटनाओं की पहचान कर सकते हैं। यह धोखाधड़ी का पता लगाने (संदिग्ध क्रेडिट कार्ड लेनदेन का पता लगाने) और सर्वर मॉनिटरिंग (असामान्य गतिविधि का पता लगाने) जैसे परिदृश्यों में उपयोग किया जाता है।

ML.NET 0.7 असामान्य व्यवहार के दो प्रकारों का पता लगाता है:

• स्पाइक डिटेक्शन: स्पाइक्स को इनपुट मूल्यों में अचानक अस्थायी फटने के लिए जिम्मेदार ठहराया जाता है। ये खराबी, साइबर हमले, वायरल वेब सामग्री आदि के कारण आउटलेयर हो सकते हैं।
• परिवर्तन बिंदु का पता लगाना: परिवर्तन-बिंदु डेटा व्यवहार में निरंतर विचलन की शुरुआत को चिह्नित करते हैं।

इन विसंगतियों को अलग-अलग ML.NET घटकों का उपयोग करके दो प्रकार के डेटा पर पाया जा सकता है:

• IidSpikeDetector और IidChangePointDetector एक स्थिर वितरण से लिए गए डेटा के लिए उपयोग किया जाता है (प्रत्येक डेटा बिंदु पिछले एक पर निर्भर नहीं करता है)।
• SsaSpikeDetector और SsaChangePointDetector का उपयोग उन डेटा के लिए किया जाता है जिनमें मौसमी / प्रवृत्ति घटक होते हैं (संभवतः समय के अनुसार आदेश दिया जाता है, जैसे उत्पाद की बिक्री)।

ML.NET में विसंगति का पता लगाने के लिए नमूना कोड यहां पाया जा सकता है ।

ML.NET पाइपलाइनों का बेहतर अनुकूलन

ML.NET कई डेटा ट्रांसफ़ॉर्मेशन (उदाहरण के लिए, टेक्स्ट की प्रोसेसिंग, चित्र, श्रेणीबद्ध कार्य आदि) प्रदान करता है। हालाँकि, विशिष्ट उपयोग मामलों के लिए विशिष्ट रूपांतरणों की आवश्यकता होती है। अब हमने कस्टम परिवर्तनों के लिए समर्थन जोड़ा है ताकि आप आसानी से कस्टम समाधान शामिल कर सकें।

CustomMappingEstimator आपको अपने स्वयं के डेटा प्रोसेसिंग तरीके बनाने और उन्हें ML.NET पाइपलाइन में जोड़ने की अनुमति देता है। यहाँ पाइपलाइन में ऐसा दिखेगा:

var estimator = mlContext.Transforms.CustomMapping<MyInput, MyOutput>(MyLambda.MyAction, "MyLambda") .Append(...) .Append(...) 

नीचे इस बात की परिभाषा दी गई है कि यह कस्टम मैपिंग क्या करेगी। इस उदाहरण में, हम टेक्स्ट लेबल ("स्पैम" या "हैम") को तार्किक लेबल (सही या गलत) में बदल देंगे।

 public class MyInput { public string Label { get; set; } } public class MyOutput { public bool Label { get; set; } } public class MyLambda { [Export("MyLambda")] public ITransformer MyTransformer => ML.Transforms.CustomMappingTransformer<MyInput, MyOutput>(MyAction, "MyLambda"); [Import] public MLContext ML { get; set; } public static void MyAction(MyInput input, MyOutput output) { output.Label= input.Label == "spam" ? true : false; } } 

CustomMappingEstimator का एक और पूरा उदाहरण यहाँ पाया जा सकता है ।

X64 के अतिरिक्त X86 का समर्थन

ML.NET की इस रिलीज़ में, आप अब x86 / 32-बिट डिवाइस (केवल Windows) पर मशीन लर्निंग मॉडल का उपयोग कर सकते हैं। पहले, ML.NET x64 उपकरणों (विंडोज, लिनक्स और मैक) तक सीमित था। कृपया ध्यान दें कि बाहरी कनेक्शन (उदाहरण के लिए, TensorFlow) पर आधारित कुछ घटक x86- विंडोज पर उपलब्ध नहीं हैं।

NimbusML - ML.NET के लिए पायथन प्रायोगिक बाइंडिंग

NimbusML ML.NET के लिए पायथन प्रायोगिक बाइंडिंग प्रदान करता है। हमने कई प्रोग्रामिंग भाषाओं के उपयोग के संबंध में बाहरी समुदाय और आंतरिक विकास टीमों से प्रतिक्रिया देखी है। हम अधिक से अधिक लोगों को ML.NET का उपयोग करना चाहते थे।

ML.NET न केवल डेटा वैज्ञानिकों को पायथन में मशीन लर्निंग मॉडल का उपयोग करने की अनुमति देता है (उन घटकों के साथ जो स्किटिट-लर्न पाइपलाइनों में भी इस्तेमाल किया जा सकता है), लेकिन यह आपको मॉडल को सहेजने की अनुमति भी देता है। जिनका उपयोग आसानी से .NET अनुप्रयोगों में किया जा सकता है। यहां देखें)।

यदि आप इसे याद करते हैं: नए एपीआई पर प्रतिक्रिया

ML.NET 0.6, बढ़े हुए लचीलेपन को प्रदान करने वाले ML.NET के लिए एपीआई का एक नया सेट पेश करता है। संस्करण 0.7 और भविष्य के संस्करणों में ये एपीआई अभी भी विकसित हो रहे हैं, और हम सिस्टम को और बेहतर बनाने के लिए आपकी प्रतिक्रिया प्राप्त करना चाहेंगे।

उपस्थित होना चाहते हैं? ML.NET GitHub पर समीक्षा छोड़ें!

अतिरिक्त संसाधन

• नए API को समझने के लिए सबसे महत्वपूर्ण ML.NET अवधारणाएँ हैं।
• आप यहां एक गाइड पा सकते हैं जो दिखाता है कि विभिन्न मौजूदा और नए परिदृश्यों के लिए इन एपीआई का उपयोग कैसे करें।
• सभी एपीआई प्रलेखन के साथ ML.NET एपीआई का लिंक यहां दिया गया है ।

शुरू हो जाओ!

यदि आपने पहले से ऐसा नहीं किया है, तो यहां ML.NET डाउनलोड करें । अन्य उपयोगी संसाधनों का भी पता लगाएं:

• Microsoft डॉक्स पर ट्यूटोरियल और गाइड
• कोड उदाहरण

विज्ञापन दें

AI- समुदाय के लोग अब 600,000 रूबल के पुरस्कार पूल के साथ डेटा साइंस में एक ऑनलाइन चैम्पियनशिप का आयोजन कर रहे हैं। हमसे जुड़ें, मामला आपकी रूचि ले सकता है।