微軟開源Infer.Net機器學(xué)習(xí),該技術(shù)將成為ML.Net統(tǒng)計建模和在線學(xué)習(xí)框架的一部分

admin

微軟開源Infer.Net機器學(xué)習(xí),該技術(shù)將成為ML.Net統(tǒng)計建模和在線學(xué)習(xí)框架的一部分
微軟已經(jīng)通過開源發(fā)布了Infer.Net跨平臺框架，用于基于模型的機器學(xué)習(xí)。

Infer.Net將成為.Net開發(fā)人員ML.Net機器學(xué)習(xí)框架的一部分，Infer.Net擴展ML.Net用于統(tǒng)計建模和在線學(xué)習(xí)。已經(jīng)采取了幾個步驟進行整合，包括在.Net基金會下設(shè)立回購。

Microsoft引用了Infer.Net對三個用例的適用性：

當(dāng)用戶具有關(guān)于特定域的廣泛知識并想要解決該域中的問題時。
用于解釋系統(tǒng)行為。
對于必須學(xué)習(xí)新數(shù)據(jù)的生產(chǎn)系統(tǒng)。
可以追溯到2004年，Infer.Net已經(jīng)從一個研究工具發(fā)展成為Office，Azure和Xbox中某些Microsoft產(chǎn)品的機器學(xué)習(xí)引擎。通過Infer.Net，開發(fā)人員可以將領(lǐng)域知識融入模型中。然后，框架可以直接在該模型中構(gòu)建自定義機器學(xué)習(xí)算法，因此Infer.Net不必將問題映射到現(xiàn)有的學(xué)習(xí)算法上，而是基于開發(fā)人員提供的模型構(gòu)建學(xué)習(xí)算法。

在Infer.Net中，通過概率程序描述模型;現(xiàn)實世界的過程用機器理解的語言描述。該程序由框架編譯成高性能代碼，以實現(xiàn)確定性近似，貝葉斯推理，一種允許實質(zhì)可擴展性的方法。 Microsoft已經(jīng)在一個自動從數(shù)十億網(wǎng)頁中提取知識的系統(tǒng)中使用了這種方法。

此外，Microsoft支持在線貝葉斯推理，系統(tǒng)會在新數(shù)據(jù)到達時學(xué)習(xí)。該公司認為這種技術(shù)對于與用戶實時交互的商業(yè)和消費產(chǎn)品至關(guān)重要。

基于模型的機器學(xué)習(xí)在可解釋性方面具有優(yōu)勢。此外，基于模型的學(xué)習(xí)適用于數(shù)據(jù)特征的問題，例如實時數(shù)據(jù)，異構(gòu)數(shù)據(jù)，未標(biāo)記數(shù)據(jù)和缺少部分的數(shù)據(jù)，以及使用已知偏差收集的數(shù)據(jù)。