Что такое модель машинного обучения?

Модель машинного обучения — это объект (хранящийся локально в файле), который был обучен для распознавания определенных типов шаблонов. Вы обучаете модель на наборе данных, предоставляя ей алгоритм, который она может использовать для анализа и изучения этих данных.

Обучив модель, вы можете использовать ее для анализа данных, которые он не видел раньше, и сделать прогнозы об этих данных. Например, предположим, что вы хотите создать приложение, которое может распознавать эмоции пользователя на основе их выражений лица. Вы можете обучить модель, предоставив ей изображения лиц, каждая из которых помечена определенными эмоциями, а затем вы можете использовать эту модель в приложении, которое может распознать эмоции любого пользователя.

Когда следует использовать машинное обучение

Хорошие сценарии машинного обучения часто имеют следующие общие свойства:

1. Они включают повторяющееся решение или оценку, которую вы хотите автоматизировать и нуждаться в согласованных результатах.
2. Трудно или невозможно явно описать решение или критерии, лежащие в основе решения.
3. У вас есть помеченные данные или существующие примеры, в которых можно описать ситуацию и сопоставить ее с правильным результатом.

Машинное обучение Windows использует формат Open Neural Network Exchange (ONNX) для своих моделей. Вы можете скачать предварительно обученную модель или обучить собственную модель. Дополнительные сведения см. в статье "Получение моделей ONNX для Машинного обучения Windows ".

Начало работы

Вы можете приступить к работе с Машинным обучением Windows, выполнив одно из наших руководств по полному приложению или перейдя прямо к примерам Машинного обучения Windows.

Замечание

Используйте следующие ресурсы, чтобы получить помощь по Windows ML.

• Чтобы задать или ответить на технические вопросы о Windows ML, используйте тег windows-machine-learning в Stack Overflow.
• Чтобы сообщить об ошибке, отправьте сообщение о проблеме на сайте GitHub.