GitHub - feiyun0112/machinelearning-samples.zh-cn: ML.NET 示例中文版，英文原版请访问：https://github.com/dotnet/machinelearning-samples
| 跨领域方案 | ||
  Web API上的可扩展模型 C# |
Razor Web应用程序上的可扩展模型 C# |
 Azure Functions上的可扩展模型 C# |
 Blazor Web应用程序上的可扩展模型 C# |
  大数据集 C# |
 使用DatabaseLoader加载数据 C# |
使用LoadFromEnumerable加载数据 C# |
 模型可解释性 C# |
 导出到ONNX C# |
自动生成ML.NET模型（预览状态）
前面的示例向您展示了如何使用ML.NET API 1.0（发布于2019年5月）。
但是，我们还在努力通过其他技术简化ML.NET的使用，这样您就不需要自己编写代码来训练模型，只需提供数据集即可，ML.NET将为您自动为您自动生成“最佳”模型和运行它的代码。
这些用于自动生成模型的附加技术处于预览状态，目前只支持二进制分类、多类分类和回归。在未来的版本中，我们将支持额外的ML任务，如建议、异常检测、聚类分析等。
CLI示例:(预览状态）
ML.NET CLI（命令行界面）是一个可以在任何命令提示符（Windows，Mac或Linux）上运行的工具，用于根据您提供的训练数据集生成高质量的ML.NET模型。 此外，它还生成示例C＃代码以运行/评分该模型以及用于创建/训练它的C#代码，以便您可以研究它使用的算法和设置。
| CLI（命令行界面）示例 |
|---|
| 二元分类示例 |
| 多类分类示例 |
| 回归测试示例 |
自动化机器学习 API示例:(预览状态）
ML.NET AutoML API基本上是一组打包为NuGet包的库，您可以在.NET代码中使用它们。 AutoML消除了选择不同算法，超参数的任务。 AutoML将智能地生成许多算法和超参数组合，并为您找到高质量的模型。
| 自动化机器学习 API示例 |
|---|
| 二元分类示例 |
| 多类分类示例 |
| 排名示例 |
| 回归测试示例 |
| 高级实验示例 |
其他ML.NET社区示例
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。
了解更多
教程，机器学习基础知识等详细信息，请参阅ML.NET指南 。
API参考
请查看ML.NET API参考，了解各种可用的 API。
贡献
我们欢迎贡献！ 请查看我们的贡献指南。
社区
请加入我们的Gitter社区
这个项目采用了贡献者契约规定的行为准则，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。