什么是机器学习模型？

机器学习模型是一个对象（存储在文件中），经过训练以识别某些类型的模式。 通过一组数据训练模型，为其提供一种算法，可用于对这些数据进行推理和学习。

训练模型后，可以使用它来推理之前未看到的数据，并对这些数据进行预测。 例如，假设你要生成一个应用程序，该应用程序可以根据用户的面部表情识别用户的情感。 可以通过向模型提供每个带有特定情感标记的人脸图像来训练模型，然后在可识别任何用户情感的应用程序中使用该模型。

何时使用机器学习

良好的机器学习方案通常具有以下常见属性：

1. 它们涉及需要自动执行且需要一致的结果的重复决策或评估。
2. 很难或不可能明确描述决策背后的解决方案或条件。
3. 已标记数据或现有示例，可在其中描述情况并将其映射到正确的结果。

Windows 机器学习对其模型使用 开放神经网络交换（ONNX） 格式。 可以下载预先训练的模型，也可以训练自己的模型。 有关详细信息，请参阅 获取适用于 Windows ML 的 ONNX 模型。

入门

可以按照 我们的一个完整应用教程 或直接跳转到 Windows 机器学习示例来开始使用 Windows 机器学习。

注意

使用以下资源获取有关 Windows ML 的帮助：

• 若要询问或回答有关 Windows ML 的技术问题，请使用 Stack Overflow上的 windows-machine-learning 标记。
• 若要报告 bug，请在 gitHub 提交问题。