知識星球IDataView被單獨作為一個類庫包
IDataView元件為表格式資料提供了非常高效的處理方式，尤其是用於機器學習和高階分析應用。它被設計為可以高效地處理高維資料和大型資料集。並且也適合處理屬於更大的分散式資料集中的單個資料區塊結點。
在ML.NET 0.10中，IDataView被拆分成單個程式集和NuGet類庫包。這對於與其它API及框架互動是極重要的一步。
在被拆分後，其它的類庫將能直接取用它，而不需要取用整個ML.NET。這樣有助於第三方類庫也能使用IDataView所提供的強大功能。
場感知分解機訓練器支援多個特徵列
在之前的ML.NET版本中，當使用場感知分解機(FFM)訓練器時，僅可以提供單個特徵列。
在新的版本里，支援在Options引數裡新增額外的特徵列。
var ffmArgs = new FieldAwareFactorizationMachineTrainer.Options();// Create the multiple field names.ffmArgs.FeatureColumn = nameof(MyObservationClass.MyField1); // 首個欄位ffmArgs.ExtraFeatureColumns = new[]{ nameof(MyObservationClass.MyField2), nameof(MyObservationClass.MyField3) }; // 額外的欄位var pipeline = mlContext.BinaryClassification.Trainers.FieldAwareFactorizationMachine(ffmArgs);var model = pipeline.Fit(dataView);支援傳回多個預測標簽
之前的版本里，即使預測多類別分類問題，也只能傳回單一的標簽。
現在，這一缺陷終於被修複了。(其實在內部邏輯裡已經對多項預測完成處理，但過去的API只傳回了單一的結果)
源自社群的示例頁面
作為ML.NET Samples的一部分，現在新增了一個特殊頁面——由社群提供的多個示例。
裡面有不少很好的例子：
照片查詢的WPF應用，其內部執行TensorFlow模型，並匯出為ONNX格式。
使用ML.NET的UWP應用：
當然，歡迎有越來越多的貢獻者加入其中，提供更多的示例。
原文地址：https://www.cnblogs.com/kenwoo/p/10367137.html
