C# 机器学习库 .NET 概览

C# (.NET) 机器学习：关键库概览

尽管 Python 传统上被认为是机器学习 (ML) 的主要语言，但 C# (.NET) 生态系统提供了强大且成熟的解决方案，用于将 ML 模型集成到企业应用、Web 服务和桌面程序中。在本文中，我们将介绍 C# 开发人员可用的主要库、它们的功能、使用示例及应用场景。

1. ML.NET — 微软官方库

ML.NET 是微软开发的一个跨平台、开源且免费的机器学习库。它允许直接在 .NET 应用程序中创建、训练和使用 ML 模型，无需切换到 Python 或其他语言。

主要功能：

支持经典算法：回归、分类、聚类、排序。
通过集成 TensorFlow 和 ONNX 实现深度学习。
自动机器学习 (AutoML) 用于选择最佳模型。
内置数据处理管道（转换、归一化）。
与 Visual Studio 集成（Model Builder 扩展）。

示例：二元分类（文本情感分析）

using Microsoft.ML;using Microsoft.ML.Data;

public class SentimentData{    public string SentimentText { get; set; }    public bool Label { get; set; }}

public class SentimentPrediction{    public bool PredictedLabel { get; set; }    public float Probability { get; set; }}

var context = new MLContext();// 加载数据IDataView data = context.Data.LoadFromTextFile<SentimentData>("data.tsv", separatorChar: '\\t');// 管道：文本特征化 + 训练var pipeline = context.Transforms.Text.FeaturizeText("Features", nameof(SentimentData.SentimentText))    .Append(context.BinaryClassification.Trainers.SdcaLogisticRegression());// 训练var model = pipeline.Fit(data);// 使用var engine = context.Model.CreatePredictionEngine<SentimentData, SentimentPrediction>(model);var prediction = engine.Predict(new SentimentData { SentimentText = "This is great!" });Console.WriteLine($"Predicted: {prediction.PredictedLabel}, Probability: {prediction.Probability}");

2. Accord.NET — 科学计算框架

Accord.NET 是一个强大的库，不仅提供 ML 算法，还提供信号处理、统计、计算机视觉和神经网络工具。它被认为是 .NET 最全面的解决方案之一。

主要功能：

广泛的算法选择：SVM、随机森林、K-Means、朴素贝叶斯。
深度神经网络 (Accord.Neuro)。
图像和视频处理 (Accord.Imaging)。
统计检验和分布。

示例：训练 SVM 分类器

using Accord.MachineLearning.VectorMachines;using Accord.MachineLearning.VectorMachines.Learning;using Accord.Statistics.Kernels;

// 训练数据（特征：两个数字）double[][] inputs = {    new double[] { 0, 0 },    new double[] { 1, 1 },    new double[] { 1, 0 },    new double[] { 0, 1 }};int[] outputs = { 0, 1, 1, 0 };

// 创建并训练使用高斯核的 SVMvar teacher = new SequentialMinimalOptimization<Gaussian>(){    Complexity = 100};var svm = teacher.Learn(inputs, outputs);

// 预测int prediction = svm.Decide(new double[] { 0.8, 0.2 });Console.WriteLine($"Predicted class: {prediction}");