NET平台机器学习资源汇总

最新推荐文章于 2024-09-02 07:50:42 发布
原创 最新推荐文章于 2024-09-02 07:50:42 发布 · 2.3k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

http://www.cnblogs.com/asxinyu/p/4422050.html

1.开源综合类

1.1 AForge.NET

　　AForge.NET是一个专门为开发者和研究者基于C#框架设计的，他包括计算机视觉与人工智能，图像处理，神经网络，遗传算法，机器学习，模糊系统，机器人控制等领域。这个框架由一系列的类库组成。主要包括有：

AForge.Imaging —— 一些日常的图像处理和过滤器
AForge.Vision —— 计算机视觉应用类库
AForge.Neuro —— 神经网络计算库AForge.Genetic -进化算法编程库
AForge.MachineLearning —— 机器学习类库
AForge.Robotics —— 提供一些机器学习的工具类库
AForge.Video —— 一系列的视频处理类库
AForge.Fuzzy —— 模糊推理系统类库
AForge.Controls—— 图像，三维，图表显示控件

来自：http://baike.haosou.com/doc/1786119-1888850.html

官方网站：http://www.aforgenet.com/

　　我个人认为这个是.NET平台机器学习和数据挖掘发展时间最长，最好，最全面的开源.NET组件之一。博客园有很多园友写过专门的使用文章。我本人也只是关注，还没有使用，因为方向和处理的问题不一样，暂时还没有实际应用。源代码，案例等都非常全面。

1.2 Accord.NET Framework

　　  Accord.NET Framework是在AForge.NET基础上封装和进一步开发来的。功能也很强大，因为AForge.NET更注重与一些底层和广度，而Accord.NET Framework更注重与机器学习这个专业，在其基础上提供了更多统计分析和处理函数，包括图像处理和计算机视觉算法，所以侧重点不同，但都非常有用。　　　　

官方网站：http://accord-framework.net/

1.3 Math.NET

　　不管是机器学习还是数据挖掘，都与数学离不开关系，既然是在.NET平台，那么这个组件以后你也许用得上。Math.NET是.NET平台下最全面的数学计算组件之一，基础功能非常完善。我的博客有对这个组件的详细研究：http://www.cnblogs.com/asxinyu/p/4329737.html 。当然更多的功能还得大家自己使用中发掘，毕竟提供了源代码。Math.NET初衷是开源建立一个稳定并持续维护的先进的基础数学工具箱，以满足.NET开发者的日常需求。目前该组件主要分为以下几个子项目，该组件同时也支持Mono，而且支持的平台也非常广泛。Math.NET Numerics是核心功能是数值计算。主要是提供日常科学工程计算相关的算法，包括一些特殊函数，线性代数，概率论，随机函数，微积分，插值，最优化等相关计算功能。详细的介绍和使用可以参考本站的菜单“Math.NET”，查看目录。

官方网站：http://www.mathdotnet.com/

1.4 Infer.NET

　　好吧，上面说的那些很强大，强大一方面是说包括的面广，一方面是代码，注释，资源，案例也很完善。如果说上面那些是大炮，那么我认为这个Infer.NET就是战斗机，零零散散接触和研究，以及翻译它的文档代码已经有5个月了，时间越久，越感觉到它的火力之强大。我博客已经发表了2篇翻译的文档：http://www.cnblogs.com/asxinyu/p/4329742.html，请关注。

　　Infer.NET是微软剑桥研究院基于.NET平台开发的一款机器推理组件，该组件的采用的是Microsoft Research License Agreement 授权，Non-Commercial Use Only.Infer.NET是一个概率图模型中(graphical models)用于运行贝叶斯推理机(Bayesian inference)的框架。如果对概率图模型或者贝叶斯推理的意义不了解，你可以参考一下相关资源文件，在Resources and References page页面。Infer.NET为各种应用程序所需要推理提供了先进的消息传递算法和统计程序。Infer.NET更关注与概率图编程或者贝叶斯理论的相关应用。这个随机因素和不确定世界中的很多问题，都可以适用，所以他的强大一方面是专注，另一方面是提供的建模语言。与其他的组件不同，其他组件是算法级，而Infer.NET是建模级别，附带了各种通用和常见的推理算法。可以通过简单的代码来创建模型，按照微软的话说是MSL建模语言，这也是这个组件让我肃然起敬的地方，估计也只有微软的研究人员才会想到这么干一劳永逸的事情。

官方网站：http://research.microsoft.com/en-us/um/cambridge/projects/infernet/default.aspx

1.5 numl

　　另外一个小巧的，包含比较多的机器学习算法类库，支持监督式和非监督式学习。支持很多常见的机器学习算法，文档资源还不错。包括Cluster,KMeans,PCA,DecisionTree,KNN,NaiveBayes,NeuralNetwork等学习算法，内容也非常丰富，功能强大，同时也包括一些数值计算的实现。这个组件个人认为没有以上的那么复杂，结构小巧合理，代码也很优雅。看看下面这段代码，很快就可以构建一个决策树学习器进行预测：

复制代码 
 1
最低0.47元/天 解锁文章

200万优质内容无限畅学
在 Azure ML 上用 .NET 跑机器学习
Kinfey
11-04 1587
.NET ML 你在用了吗？
机器学习/深度学习资料
2401_86435672的博客
07-30 1372
新年大礼包：机器之心2018高分教程合集CVPR2019目标检测方法进展综述。
.NET平台机器学习资源汇总，有你想要的么？
weixin_34353714的博客
04-24 346
　 　接触机器学习1年多了，由于只会用C#堆代码，所以只关注.NET平台的资源，一边积累，一边收集，一边学习，所以在本站第101篇博客到来之际，分享给大家。部分用过的 ，会有稍微详细点的说明，其他没用过的，也是我关注的，说不定以后会用上。机器学习并不等于大数据或者数据挖掘，还有有些区别，有些东西可以用来处理大数据的问题或者数据挖掘的问题，他们之间也是有部分想通的，所以这些组件不仅仅可以用于机器学习...
.NET 下的机器学习 入门篇
iml6yu的博客
11-09 2275
文章目录.NET 下的机器学习 入门篇什么是 ML.NETML.NET能做什么安装模型生成器先决条件限制安装Visual Studio MarketplaceVisual Studio 2019第一个“HelloWord”数据流程 .NET 下的机器学习 入门篇 什么是 ML.NET ML.NET 使你能够在联机或脱机场景中将机器学习添加到 .NET 应用程序中。 借助此功能，可以使用应用程序的可用数据进行自动预测。 机器学习应用程序利用数据中的模式来进行预测，而不需要进行显式编程。 ML.NET能做什么
当.NET遇到机器学习
微软技术栈
12-03 286
ML.NET 是面向 .NET 开发人员的开源跨平台机器学习框架，你可以使用 C# 或 F# 创建自定义 ML 模型，而无需离开.NET 生态系统。ML.NET 使你能够在联机或脱机场景中将机器学习添加到 .NET 应用程序中。借助此功能，机器学习应用程序利用数据中的模式来进行预测，而不需要进行显式编程。 ML.NET 的核心是机器学习模型，该模型指定将输入数据转换为预测所需的步骤。借助 ML.NET，可以通过指定算法来训练自定义模型，也可以导入预训练的 TensorFlow 和 ONNX 模型。拥有模型
AI深度、机器学习数据集资源汇总
weixin_44462965的博客
11-27 4648
AI深度、机器学习数据集资源汇总！
人工智能|机器学习——基于机器学习的舌苔检测
也许有一天我们再相逢 睁开眼睛看清楚 我才是英雄！
02-19 3951
基于机器学习的舌苔检测
总结了200道经典的机器学习面试题（附参考答案）
small-guo
07-01 8305
刷题，是面试前的必备环节。本文总结了往年BAT机器学习面试题，干货满满，值得收藏。想要入职大厂可谓是千军万马过独木桥。为了通过层层考验，刷题肯定是必不可少的。本文根据网络在线发布的BAT机器学习面试1000题系列，整理了一份面试刷题宝典。1.请简要介绍下SVM。SVM，全称是support vector machine，中文名叫支持向量机。SVM是一个面向数据的分类算法，它的目标是为确定一个分类超平面，从而将不同的数据分隔开。扩展：支持向量机学习方法包括构建由简至繁的模型：线性可分支持向量机、线性支持向量机
在.net core下利用机器学习，对课程进行分类
学习的路上，永不停止
07-03 855
安装ML Install-Package Microsoft.ML -Version 0.2.0创建LearningPipeline对象var pipeline = new LearningPipeline();加载学习的文件 string dataPath = "data.txt"; pipeline.Add(new TextLoader(dataPath).CreateFrom<Iri...
Google TensorFlow的.NET Standard绑定，用于在C＃中开发，培训和部署机器学习模型。-.NET开发
05-27
TensorFlow.NET（TF.NET）为TensorFlow提供了.NET Standard绑定。 它旨在以C＃实现完整的Tensorflow API，该API允许.NET开发人员使用跨平台的.NET开发，训练和部署机器学习模型。TensorFlow.NET（TF.NET）为TensorFlow提供了.NET Standard绑定。 它旨在以C＃实现完整的Tensorflow API，允许.NET开发人员使用跨平台的.NET Standard框架开发，训练和部署机器学习模型。 master分支现在基于tensorflow 2.2，v0.15-tensorflow1.15来自tensorflow1.15。 为什么选择TensorFlow.NET？ SciSharp STACK的使命是将流行的数据科学技术带入.NET世界，并为.NET开发人员提供
.net开源机器学习科学计算库Accord.NET（第3分卷）
03-02
Accord.NET为.NET应用程序提供了统计分析、机器学习、图像处理、计算机视觉相关的算法。Accord.NET框架扩展了AForge.NET框架，提供了一些新功能。同时为.NET环境下的科学计算提供了一个完整的开发环境。包含所有源代码及例子，解压后有971MB。本人上传权限不足，只有分三个分卷下载。
SharpLearning：用于C＃.Net的机器学习
02-05
夏普学习 SharpLearning是C＃.Net的开源机器学习库。 SharpLearning的目标是使.Net开发人员可以轻松访问机器学习算法和模型。 当前，主要关注点是用于分类和回归的监督学习，同时还提供用于优化和验证训练模型的必要工具。 SharpLearning为机器学习算法提供了一个简单的高级界面。 在SharpLearning中，机器学习算法称为“学习者” ，而机器学习模型则称为PredictorModel 。 用法示例如下： // Create a random forest learner for classification with 100 trees var le
C# Machine Learning Projects pdf
06-22
Power your C# and .NET applications with exciting machine learning models and modular projects Key Features Produce classification, regression, association, and clustering models Expand your understanding of machine learning and C# Get to grips with C# packages such as Accord.net, LiveCharts, and Deedle Book Description Machine learning is applied in almost all kinds of real-world surroundings and industries, right from medicine to advertising; from finance to scientifc research. This book will help you learn how to choose a model for your problem, how to evaluate the performance of your models, and how you can use C# to build machine learning models for your future projects. You will get an overview of the machine learning systems and how you, as a C# and .NET developer, can apply your existing knowledge to the wide gamut of intelligent applications, all through a project-based approach. You will start by setting up your C# environment for machine learning with the required packages, Accord.NET, LiveCharts, and Deedle. We will then take you right from building classifcation models for spam email fltering and applying NLP techniques to Twitter sentiment analysis, to time-series and regression analysis for forecasting foreign exchange rates and house prices, as well as drawing insights on customer segments in e-commerce. You will then build a recommendation model for music genre recommendation and an image recognition model for handwritten digits. Lastly, you will learn how to detect anomalies in network and credit card transaction data for cyber attack and credit card fraud detections. By the end of this book, you will be putting your skills in practice and implementing your machine learning knowledge in real projects. What you will learn Set up the C# environment for machine learning with required packages Build classification models for spam email filtering Get to grips with feature engineering using NLP techniques for Twitter sentiment analysis Forecast foreign exchange rates using continuous and time-series data Make a recommendation model for music genre recommendation Familiarize yourself with munging image data and Neural Network models for handwritten-digit recognition Use Principal Component Analysis (PCA) for cyber attack detection One-Class Support Vector Machine for credit card fraud detection Who this book is for If you're a C# or .NET developer with good knowledge of C#, then this book is perfect for you to get Machine Learning into your projects and make smarter applications. Table of Contents Basics of machine learning modeling Spam email filtering Twitter sentiment analysis Foreign exchange rate forecast Fair value of house/property Customer segmentation Music genre recommendation Handwritten digit recognition Cyber attack detection Credit card fraud detection What is next?
AForge中文文档.pdf
06-29
AForge.NET 框架，它包含框架和类的其他命名空间所使用的核心类，可以独立地用于各种目的
系列ML.Net 学习篇【一】——初识机器学习
网尘的技术专栏
11-29 2521
微软官方的目的就是，让你无需离开 .NET 生态系统，便可以使用 C# 或 F# 创建自定义 ML 模型。并让你可以轻松地将机器学习集成到 Web、移动、桌面、游戏和物联网应用中。 所以如果你刚好有Python训练好的模型，而正在烦恼怎么应用到.NET平台上时，那么刚好可以使用ML.NET，使用你的模型，它基本兼容市面上所有常见的数据格式，ML.NET支持TensorFlow和ONNX模型。
.NET平台机器学习
weixin_30607659的博客
06-13 169
https://www.cnblogs.com/shanyou/p/9190701.html https://www.cnblogs.com/Leo_wl/p/4456836.html 转载于:https://www.cnblogs.com/yanglang/p/11014901.html
在 .NET 中实现强大、多功能、高效且直观的机器学习
最新发布
dotNET跨平台
09-02 610
在这篇文章中，我们将介绍为什么您应该使用 Microsoft 的开源机器学习和 AI 框架 ML.NET。ML .NET 可用于生产当组织想要开始将机器学习或 AI 添加到其技术堆栈中时，对话通常会转向其他语言，如 Python 或 R。通常，第一次转向 AI / ML 的组织不确定如何开始，因此他们会查看流行的库和语言，例如 SciKit-Learn 和 Python。虽然这些库和语言功能强大，...
ML.NET：一个.NET开源、免费、跨平台的机器学习框架
专注于C#/.NET/.NET Core学习、工作、面试干货和实战教程分享。这里聚焦了大量的C#/.NET/.NET Core优质文章、开源项目、实用工具和学习、工作、面试心得。
07-22 2076
今天大姚给大家分享一个.NET开源、免费、跨平台（支持Windows、Linux、macOS多个操作系统）的机器学习框架：ML.NET。并且本文将会带你快速使用ML.NET训练一个属于自己的图像分类模型，对图像进行分类。ML.NET 允许开发人员在其 .NET 应用程序中轻松构建、训练、部署和使用自定义模型，而无需具备开发机器学习模型的专业知识或使用 Python 或 R 等其他编程语言的经验。该框架提供从文件和数据加载的数据。数据库，支持数据转换，并包含许多机器学习算法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值