跨领域场景
WebAPI 上的可扩展模型 C#	Razor Web 应用上的可扩展模型 C#	Azure Functions 上的可扩展模型 C#
Blazor Web 应用上的可扩展模型 C#	大型数据集 C#	使用 DatabaseLoader 加载数据 C#
使用 LoadFromEnumerable 加载数据 C#	模型可解释性 C#	导出为 ONNX C#

自动化 ML.NET 模型生成（预览版）

前面的示例展示了如何使用 ML.NET API 1.0（自 2019 年 5 月起正式发布）。

然而，我们也在致力于通过其他技术简化 ML.NET 的使用，这些技术可以自动为您创建模型，您无需亲自编写代码来训练模型，只需提供您的数据集即可。系统会为您生成“最佳”模型以及运行该模型的代码。

这些用于自动化模型生成的技术目前处于预览阶段，当前仅支持 二分类、多分类和回归。在未来的版本中，我们将支持更多机器学习任务，例如 推荐、异常检测、聚类等。

CLI 示例：（预览版）

ML.NET CLI（命令行界面）是一种工具，您可以在任何命令提示符（Windows、Mac 或 Linux）上运行，以根据您提供的训练数据集生成高质量的 ML.NET 模型。此外，它还会生成用于运行或评分该模型的 C# 示例代码，以及用于创建和训练该模型的 C# 代码，以便您可以研究它所使用的算法和设置。

AutoML API 示例：（预览版）

这些示例使用的是 AutoML API 的 0.1.x 版本。虽然这些 API 在 0.2.x 版本中仍然可用，但我们建议使用 0.2.x 及更高版本中引入的新 API。有关 0.2.x 的示例，请参阅 ML.NET 2.0 示例。

ML.NET AutoML API 基本上是一组打包成 NuGet 包的库，您可以从自己的 .NET 代码中使用。AutoML 可以消除选择不同算法和超参数的任务。AutoML 会智能地生成多种算法和超参数的组合，并为您找到高质量的模型。

其他 ML.NET 社区示例

除了微软提供的 ML.NET 示例之外，我们还特别介绍了由社区创建的示例，这些示例在单独的页面上展示： ML.NET 社区示例

这些社区示例并非由微软维护，而是由其所有者负责。 如果您创建了任何酷炫的 ML.NET 示例，请将相关信息添加到此 请求问题，我们将在上述页面上发布相关信息。

示例翻译：

• 简体中文

了解更多信息

请参阅 ML.NET 指南 以获取有关教程、机器学习基础知识等方面的详细信息。

API 参考

查看 ML.NET API 参考 以了解可用的 API 范围。

贡献

我们欢迎贡献！请查看我们的 贡献指南。

社区

请加入我们在 Gitter 上的社区

该项目已采用 贡献者公约 定义的行为准则，以明确我们社区中的期望行为。 更多信息请参阅 .NET 基金会行为准则。

许可证

ML.NET 示例 依据 MIT 许可证 进行授权。

本指南帮助 .NET 开发者快速开始使用 ML.NET 开源示例库，涵盖从基础代码示例到完整的端到端应用。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Windows, Linux, 或 macOS (跨平台支持)。
• .NET SDK: 安装 .NET 6.0 或更高版本。
  • 国内加速: 建议访问 .NET 中国镜像站 下载 SDK，或使用国内镜像源配置环境变量。
• 开发工具 (可选但推荐):
  • Visual Studio 2022 (Windows) 或 Visual Studio Code (全平台)。
  • 安装 C# 或 F# 扩展插件。

2. 安装步骤

您无需安装额外的全局包，只需克隆仓库并还原具体示例项目的依赖即可。

步骤一：克隆仓库

打开终端（Terminal 或 PowerShell），执行以下命令克隆示例库：

git clone https://github.com/dotnet/machinelearning-samples.git
cd machinelearning-samples

提示: 如果克隆速度较慢，可使用 Gitee 镜像（如有）或配置 Git 代理加速。

步骤二：选择并进入示例目录

根据您想学习的机器学习任务（如情感分析、图像分类等），进入对应的子目录。例如，进入“情感分析”的 C# 入门示例：

cd samples/csharp/getting-started/BinaryClassification_SentimentAnalysis

步骤三：还原依赖

在项目目录下运行以下命令恢复 NuGet 包：

dotnet restore

国内加速技巧: 若 dotnet restore 速度慢，可临时指定国内 NuGet 源：

dotnet restore -s https://api.nuget.cn/v3/index.json

3. 基本使用

以下以 情感分析 (Sentiment Analysis) 为例，展示如何运行最简单的控制台应用。

运行示例

在项目根目录下直接运行：

dotnet run

预期输出

程序将加载预训练模型或使用示例数据训练一个新模型，并输出测试结果。您将看到类似以下的控制台输出：

=============== Training the model ===============
...
=============== End of training ===============
=============== Predicting the sentiment of few texts ===============
Text: "This is a very good movie." | Prediction: Positive Sentiment
Text: "I hated this movie, it was terrible." | Prediction: Negative Sentiment

探索更多场景

本仓库包含多种机器学习任务，您可以切换目录尝试不同示例：

对于更复杂的端到端应用 (End-to-End Apps)（如带有 Web 界面的电影推荐系统），请进入 samples/csharp/end-to-end-apps/ 下的对应目录，通常需要先构建再运行：

dotnet build
dotnet run

随后按照控制台提示在浏览器中打开指定端口即可体验完整应用。