Contents
文章網址
The Microsoft Infer.NET machine learning framework goes open source
重點筆記
Infer.NET 是微軟劍橋研究院的團隊從 2004年開始開發這個框架
2008 年釋出作為學術用途,從資訊檢索到醫療保健等各個領域,已經有數百篇論文使用該框架發表了數百篇論文
2012年,Infer.NET 甚至因協助流行病學研究、疾病遺傳因素、森林砍伐和哮喘等方面的研究而獲得了人類專利獎
這個框架已經從一個研究工具發展成為微軟 Office、 Xbox 和 Azure 等微軟產品中的機器學習引擎。 最近的一個例子是 TrueSkill 2-一個與線上視訊遊戲玩家匹配的系統。暢銷線上遊戲 Halo 5和戰爭機器 4中進行現場直播,處理數以百萬計的匹配。
Infer.NET 跟其它的機器學習框架有何與眾不同之處?
Infer.NET 是基於模型的機器學習方法。 這樣你就可以將領域知識融入到你的模型中。 然後該框架可以直接從該模型中建立一個訂製的機器學習演算法。 這意味著不必將你的問題對映到已經存在的學習演算法上,而是根據你提供的模型為你建構一個機器學習演算法。
基於模型的機器學習的一個額外優勢是可解釋性。 如果你自己設計了這個模型,並且機器學習演算法遵循這個模型,那麼你就可以理解為什麼系統會以一種特定的方式執行,或者做出某些預測。 隨著機器學習應用逐漸進入我們的生活,理解和解釋他們的行為變得越來越重要。
基於模型的機器學習也自然適用於具有某些資料特徵的問題,例如即時資料、異質資料、資料不足、未貼標籤的資料、有缺失部分的資料和以已知偏差收集的資料。
對於基於模型的機器學習 ( Modal-Based Machine Learning ) 有興趣可以參考這本免費的電子書
在 Infer.NET 中,模型是用機率程式來描述的。 Infer.net 將機率化程式編譯成高效能程式碼,用於實現被稱為確定性近似貝葉斯推斷的東西。 這種方法允許大量的可伸縮性——例如在一個系統中使用它,這個系統可以自動從數十億個網頁中提取知識,包括資料的千兆位元組。
確定性推理演算法的使用是對大多數其他機率規劃框架主要取樣方法的補充。 其中一個關鍵能力是支援線上貝葉斯推斷——系統隨著新資料的到來而具備學習的能力。 對於與使用者即時互動的商業和消費產品來說是必不可少的。 例如,在上述 TrueSkill 2系統中,為了提供具有競爭力的比賽,需要在每輪比賽後立即更新球員的技能。 這個系統只需要一毫秒就能完成。
Infer.NET 將成為 ML.NET 的一部份
下載 Infer.NET 開發套件 , Infer.NET 是使用 .NET Core 技術所以可以支援 Windows, Linux , Mac OS
相關線上課程
工具市集
- 這是 Soft & Share 新推出的服務 – 工具市集,收集了一些軟體服務/工具的優惠方案,歡迎來逛逛!