ML.NET
Beschreibung
ML.NET ist ein Framework, das Machine Learning-Ansätze für neu oder bereits existierende .NET-Software bereitstellt.
Gerade für Unternehmen, die bereits über eine große Codebasis in C# oder F# verfügen, wird so das Entwickeln und Einbinden neuer, durch Machine Learning ermöglichter Funktionen vereinfacht.
Machine Learning im .NET-Ökosystem mit ML.NET
Model Discovery wird der erste Einsatzbereich von AutoML genannt. Verschiedene Modelle, die sich für die Aufgabe eignen, werden „antrainiert“ und gerankt.
AutoML hilft, in kurzer Zeit mehrere relevante Algorithmen und Parametersätze auszuprobieren. Einordnung von AutoML:
Parameter Sweeping wird der zweite Einsatzbereich von AutoML genannt. Einzelne Modelle werden ausgewählt und verschiedene Parametersätze ausprobiert. Das Ergebnis kann als Startpunkt für die Optimierung verwendet werden.
Wie funktioniert AutoML?
Dataset:Legt das Format der eingegebenen Daten fest.
Optimization Metric:Auswahl der zu optimierenden Metrik.
ConstraintsEingrenzen des Experiments z.B. durch Vorgabe der Dauer.
Was kann ML.net?
