ML.NET 是一个跨平台的开源机器学习框架，使.NET开发人员使用机器学习变得很容易。在这个GitHub 存储库中，我们提供了示例，这些示例将帮助您开始使用ML.NET，以及如何将ML.NET加入到现有的和新的.NET应用程序中。

存储库中有两种类型的示例/应用程序：

• 入门 - 针对每个机器学习任务或领域的ML.NET代码示例，通常作为简单的控制台应用程序实现。

• 终端应用程序 - 使用ML.NET进行机器学习的Web，桌面，移动和其他应用程序的实际例子

根据场景和机器学习问题/任务，官方ML.NET示例被分成多个类别，可通过下表访问：

机器学习任务	说明	场景
二元分类	将给定集合中的元素分类为两组，预测每个元素属于哪个组。	情绪分析     C#（已翻译）     F#    垃圾信息检测     C#（已翻译）    欺诈识别    C#（已翻译）
多类分类	将实例分类为三个或更多个类中的一个，预测每个类属于哪个组。	问题分类     C#（已翻译）     鸢尾花分类    C#（已翻译）    F#
回归	用给定的输入变量数据预测一个数值。广泛用于预报和预测。	价格预测     C#（已翻译）     F#    销售预测     C#（已翻译）     需求预测     C#（已翻译）
建议	推荐系统通常使用基于内容和基于协同过滤的算法。 协同过滤算法基于用户过去的行为/喜好/评分来预测他可能喜欢的项目/产品。	电影推荐     C#（已翻译）     C#（已翻译）     产品推荐    C#（已翻译）
聚类	以一种方式对一组对象进行分组的机器学习任务，使得同一组中的对象（称为群集）彼此更相似，而不是与其他组中的对象相似。 这是一项探索性任务。 它不会把项目分类到特定的标签上。	客户细分     C#（已翻译）     鸢尾花聚类     C#（已翻译）     F#
异常检测	任务的目标是识别稀有项目，事件或观测数据，它们与大多数数据显著不同，从而引起怀疑。通常是诸如银行欺诈，结构缺陷或医疗问题等	即将推出
排名	为信息检索系统构建排名模型，以便根据用户的输入变量，如喜欢/不喜欢、语境、兴趣等对项目进行排序/排名。	即将推出
深度学习	深度学习是机器学习的一个子集。深层学习架构，如深度神经网络，通常应用于诸如计算机视觉（目标检测、图像分类、风格转移）、语音识别、自然语言处理和音频识别等领域。	集成TensorFlow    C#（已翻译）     目标检测 即将推出     风格转移 即将推出     集成ONNX - 即将推出

配置NuGet源: 通常，您只需要使用常规的NuGet源 https://api.nuget.org/v3/index.json ， 然而，在发布次要版本（例如0.8、0.9等）之前的几天内，我们将使用MyGet中可用的预览版NuGet包（例如0.8.0-preview-27128-1），这在常规NuGet源中不可用。

如果是这种情况，请在Visual Studio中配置MyGet源：

https://dotnet.myget.org/F/dotnet-core/api/v3/index.json

除了微软提供的ML.NET示例之外，我们还列出了社区创建的示例，这些示例位于单独的页面中： ML.NET 社区示例

这些社区示例不是由微软维护，而是由其所有者维护。 如果您已经创建了任何很酷的ML.NET示例，请将其信息添加到此REQUEST issue ，我们最终将在上面提到的页面发布其信息。

教程，机器学习基础知识等详细信息，请参阅ML.NET指南 。

请查看ML.NET API参考，了解各种可用的 API。

我们欢迎贡献！ 请查看我们的贡献指南。

请加入我们的Gitter社区

这个项目采用了贡献者盟约规定的行为准则，以表明我们社区的预期行为。有关更多信息，请参见.NET基金会行为准则。

ML.NET 示例根据MIT许可证获得许可。