微软新的机器学习框架核心产品机器学习引擎infer.NET的概述

易水寒 发表于 2018-10-14 11:01:45 收藏 已收藏
赞(0) •  评论(0

微软新的机器学习框架核心产品机器学习引擎infer.NET的概述

易水寒 发表于 2018-10-14 11:01:45

感觉微软对开源上瘾了。

在开源了跨平台机器学习框架ML.NET之后,微软又开源了一个非常重要的机器学习框架:infer.NET,而且采用的还是MIT许可证。

这个消息一出,可以说是八方点赞,Twitter上一片好评。

那么,infer.NET是什么?有何优点?应用范围如何?该怎么去下载使用呢?

下面就来回答这些问题~

关于infer.NET

简单来说,Infer.NET是一个基于模型的机器学习框架。

根据官方介绍,Infer.NET是一个在图形模型中运行贝叶斯推理框架,可以用于概率编程,也可以用来解决许多不同类型的机器学习问题,包括分类、推荐或聚类等标准问题,并可以针对特定领域问题提供定制解决方案。

一般情况下,进行机器学习的时候,开发人员为框架提供模型后,都需要将他们的模型映射到预先存在的学习算法上去。

而Infer.NET将这个过程反了过来,可以直接从模型中生成一个定制的机器学习算法,允许你将领域知识融入到模型之中,这样“反其道而行之”的做法,给这个框架带来了不少优势。

在微软的官方博文中,给出了infer.NET框架的4个优势,分别是:

1、可解释性强。

如果你设计了一个模型,并且从模型中生成算法。那么,你就可以理解为什么系统会以特定的方式运行,或者做出某些预测。随着机器学习应用逐渐进入日常生活,理解和解释它们的行为变得越来越重要。

2、数据适用性强。

基于模型的机器学习框架,对于那些具有某些特征的数据有很强的适用性,可以更好的使用这些数据来完成机器学习任务。比如实时数据、异构数据、数据不足、未贴标签的数据、有缺失部分的数据和以已知偏差收集的数据等等。

3、用概率程序来描述模型。

Infer.NET可以将概率化程序编译成高性能代码,用于实现被称为确定性近似贝叶斯推断的东西。这种方法提供了大量的可拓展性,例如,在一个系统中使用Infer.NET,系统可以自动从数十亿个网页中提取知识,包括大量的数据。

4、支持在线贝叶斯推断。

Infer.NET的一个关键功能是支持在线贝叶斯推断,即系统在新数据到来时进行学习的能力。这在与用户进行实时交互的商业和消费品中是必不可少的。

具有这么多的优势,在实际的应用场景中,Infer.NET的运用范围也非常广泛。

除了广泛应用于信息检索、流行病学、生物信息学等各个学术研究领域之外,Infer.NET已经发展成了微软 Office、 Xbox 和 Azure 等微软核心产品中的机器学习引擎。

最近还应用到了游戏评级系统之中,微软的研究团队基于TrueSkill,使用Infer.NET框架开发了TrueSkill 2。从《Halo 5》中的应用来看,相比于TrueSkill,玩家匹配的准确率从52%提升到了68%。

使用指南

Infer.NET框架开源之后,将成为ML.NET的一部分。这是一款面向.NET开发者的机器学习框架,微软在今年的Bulid大会上开源了这一框架。

根据博客文章的介绍,微软已经采取了大量集成ML.NET。比如在.NET Foundation下设置存储库,并将包和命名空间移动到Microsoft.ML.Probabilistic。Infer.NET也将提升ML.NET在统计建模和在线学习方面的能力。

此外,Infer.NET也是跨平台的。根据官方的Readme文档,Infer.NET支持 .NET Framework 4.6.1、.NET Core 2.0 和 Mono 5.0。

Windows 用户需要在 Visual Studio 2017 中使用,而 macOS 和 Linux 开发者可以使用.NET Core 2.0 SDK构建和运行.NET Standard和.NET Core项目。

对Infer.NET感兴趣?请收好下面的一些传送门:

框架下载地址:

https://www.nuget.org/packages?q=Microsoft.ML.Probabilistic

教程和示例地址:

https://dotnet.github.io/infer/userguide/Infer.NET%20tutorials%20and%20examples.html

用户指南:

https://dotnet.github.io/infer/userguide

GitHub地址:

https://github.com/dotnet/infer

收藏

相关话题
文章来源专栏
+关注

评论(0)

加载更多评论

参与评论

相关文章

分享到

QQ空间 QQ好友 微博
取消