机器学习框架ML.NET学习笔记【1】基本概念与系列文章目录

1、序言

       微软的机器学习框架于2018年5月出了0.1版本，2019年5月发布1.0版本。期间各版本之间差别（包括命名空间、方法等）仍是比较大的，随着1.0版发布，应该是趋于稳定了。以前在园子里也看到很多相关介绍的文章，对个人学习提供了很多帮助。因为目前资料不是很丰富，因此学习过程当中也走了很多弯路，本系列的文章主要记录我学习过程当中的一些心得体会，并对一些细节会作详细的解释，但愿能为机器学习零基础的同窗提供一些帮助。（C#零基础可不行）

 

2、基本概念

一、什么是机器学习？
定义：一个电脑程序要完成任务（T），若是电脑获取的关于T的经验（E）越多就表现（P）得越好，那么咱们就能够说这个程序‘学习’了关于T的经验。

简单解释什么叫“机器的学习”：若是输入的经验越多表现的越好，这就叫“学习”。举个例子：传统的程序逻辑是基于算法的，在算法不变的状况下，程序就是运行100年能力也不会有提高，但机器学习是基于数据（样本）的，在算法不变的状况下，累计的有效数据越多，程序表现能力就越强。

 

二、经过机器学习解决问题和传统算法解决问题的区别

须要解决的问题：会议室进来一位男生，请他站在摄像头前面，经过一个程序评价一下这位男生身材是否很好。

（1）传统解决方案

  首先咱们分析要判断一我的身材是否很好，主要的判断特征包括：身高、体重、三围等等，而后经过一个衡量算法（好比BMI）进行计算，流程以下：

 

（2）机器学习算法

   机器学习是依赖样本数据的，因此解决这个问题的思路是这样的：

①首先你得上街去收集数据，询问你采访对象的身高、体重、三围数据，而后根据你的经验给他一个评判，造成下表：

②对收集到的数据进行训练，造成模型，而后经过模型对要判断的对象进行评判。流程以下：

 

小结：经过这个问题的解决，感受经过机器学习来解决问题比传统方法麻烦多了，是的，对于身材判断这样的问题，人类能够很简单找到一个逻辑分析的方法，因此经过逻辑算法解决就比较方便，但有时候不少事情咱们人类是很容易处理的，但咱们殊不知道其中的逻辑，好比：判断一张图片是不是18+图片，判断一片论文是否写得很好，判断一我的是否长得漂亮等等。这些问题人类很轻松就能处理，但没法总结出其中的规律并交给机器去执行，这时候机器学习算法就能够派上用场了。

 

 3、机器学习的流程

 机器学习的流程以下：

数据准备 -> 建模 -> 训练 -> 评估 -> 应用
在实际应用时，因为训练的过程可能时间比较长，因此咱们会分两个阶段进行：
一、学习阶段：数据准备 -> 建模 -> 训练 -> 评估 -> 保存模型
二、消费阶段：读取模型 -> 应用

评估的过程就是对模型的检验，咱们通常会把样本数据随机分红两份，其中一部分用来学习，另外一部分用来检验模型效果，判断一下咱们的模型能力。

 

以上是涉及到机器学习的有些最基础的理论知识，下面几篇文章会由浅入深介绍ML.NET的一些应用。

系列文章目录：

机器学习框架ML.NET学习笔记【1】基本概念

机器学习框架ML.NET学习笔记【2】入门之二元分类

机器学习框架ML.NET学习笔记【3】文本特征分析

机器学习框架ML.NET学习笔记【4】手写数字识别

机器学习框架ML.NET学习笔记【5】手写数字识别（续）

机器学习框架ML.NET学习笔记【6】TensorFlow图片分类

机器学习框架ML.NET学习笔记【7】人物图片颜值判断

机器学习框架ML.NET学习笔记【8】目标检测

机器学习框架ML.NET学习笔记【9】自动学习

 

资源下载：

项目源码：https://github.com/seabluescn/Study_ML.NET

资源文件：https://gitee.com/seabluescn/ML_Assets

（因为资源文件较大，因此放在码云平台提供下载）