机器学习与 C# (.NET)：实用指南

《机器学习与 C# (.NET)》一书是同类中的第一本实用指南，它展示了如何在 .NET 生态系统中应用机器学习算法，而无需借助 Python。如果您是 C# 开发者，并希望为您的应用程序（从销售预测到图像识别）引入智能功能，这本书将成为您可靠的助手。

本书内容

• 机器学习基础：回归、分类、聚类、集成方法。
• 使用 ML.NET 框架：数据加载、构建管道、模型训练与评估。
• 真实项目：推荐系统、异常检测器、文本情感分析。
• 神经网络集成：在 .NET 应用程序中应用 TensorFlow 和 ONNX。
• 模型部署：通过 Web API 发布、嵌入桌面和移动应用程序。
• 最佳实践：缺失值处理、数据标准化、指标选择、防止过拟合。

本书适合谁

• 希望在不更换技术栈的情况下掌握机器学习的 C# 开发者。
• 致力于为 Web 服务添加 AI 功能的 .NET 后端工程师。
• 在 Microsoft 平台上学习数据科学的学生和初级专业人员。
• 评估 ML.NET 在商业项目中潜力的团队领导和架构师。

您将学到什么

• 如何仅使用 C# 和 Visual Studio 设计和训练机器学习模型。
• 如何准备数据：从 CSV 和数据库到流式数据源。
• 如何选择合适的算法：线性回归、决策树、SVM、神经网络。
• 如何通过交叉验证和混淆矩阵评估模型质量。
• 如何将模型导出为 ONNX 格式并在其他环境中使用。
• 如何构建从原始数据到生产解决方案的端到端管道。

每一章都包含现成的代码示例，可直接在 .NET Core / .NET 8+ 中运行。本书语言通俗易懂，避免过多数学内容——重点在于实践。您不仅将学会运行算法，还将理解它们的工作原理以及如何针对特定任务进行调优。

无论您是在构建聊天机器人、垃圾邮件过滤系统还是预测分析系统——本书都将为您提供在 .NET 平台上实施机器学习的工具。