微軟又開源了一個ML框架，這次是核心產品機器學習引擎infer.NET

感覺微軟對開源上癮了。

在開源了跨平台機器學習框架ML.NET之後，微軟又開源了一個非常重要的機器學習框架：infer.NET，而且采用的還是MIT許可證。

這個消息一出，可以說是八方點讚，Twitter上一片好評。

那麼，infer.NET是什麼？有何優點？應用範圍如何？該怎麼去下載使用呢？

下麵就來回答這些問題~

簡單來說，Infer.NET是一個基於模型的機器學習框架。

根據官方介紹，Infer.NET是一個在圖形模型中運行貝葉斯推理框架，可以用於概率編程，也可以用來解決許多不同類型的機器學習問題，包括分類、推薦或聚類等標準問題，並可以針對特定領域問題提供定製解決方案。

一般情況下，進行機器學習的時候，開發人員為框架提供模型後，都需要將他們的模型映射到預先存在的學習算法上去。

而Infer.NET將這個過程反了過來，可以直接從模型中生成一個定製的機器學習算法，允許你將領域知識融入到模型之中，這樣“反其道而行之”的做法，給這個框架帶來了不少優勢。

在微軟的官方博文中，給出了infer.NET框架的4個優勢，分別是：

1、可解釋性強。

如果你設計了一個模型，並且從模型中生成算法。那麼，你就可以理解為什麼係統會以特定的方式運行，或者做出某些預測。隨著機器學習應用逐漸進入日常生活，理解和解釋它們的行為變得越來越重要。

2、數據適用性強。

基於模型的機器學習框架，對於那些具有某些特征的數據有很強的適用性，可以更好的使用這些數據來完成機器學習任務。比如實時數據、異構數據、數據不足、未貼標簽的數據、有缺失部分的數據和以已知偏差收集的數據等等。

3、用概率程序來描述模型。

Infer.NET可以將概率化程序編譯成高性能代碼，用於實現被稱為確定性近似貝葉斯推斷的東西。這種方法提供了大量的可拓展性，例如，在一個係統中使用Infer.NET，係統可以自動從數十億個網頁中提取知識，包括大量的數據。

4、支持在線貝葉斯推斷。

Infer.NET的一個關鍵功能是支持在線貝葉斯推斷，即係統在新數據到來時進行學習的能力。這在與用戶進行實時交互的商業和消費品中是必不可少的。

具有這麼多的優勢，在實際的應用場景中，Infer.NET的運用範圍也非常廣泛。

除了廣泛應用於信息檢索、流行病學、生物信息學等各個學術研究領域之外，Infer.NET已經發展成了微軟 Office、 Xbox 和 Azure 等微軟核心產品中的機器學習引擎。

最近還應用到了遊戲評級係統之中，微軟的研究團隊基於TrueSkill，使用Infer.NET框架開發了TrueSkill 2。從《Halo 5》中的應用來看，相比於TrueSkill，玩家匹配的準確率從52%提升到了68%。

Infer.NET框架開源之後，將成為ML.NET的一部分。這是一款麵向.NET開發者的機器學習框架，微軟在今年的Bulid大會上開源了這一框架。

根據博客文章的介紹，微軟已經采取了大量集成ML.NET。比如在.NET Foundation下設置存儲庫，並將包和命名空間移動到Microsoft.ML.Probabilistic。Infer.NET也將提升ML.NET在統計建模和在線學習方麵的能力。

此外，Infer.NET也是跨平台的。根據官方的Readme文檔，Infer.NET支持 .NET Framework 4.6.1、.NET Core 2.0 和 Mono 5.0。

Windows 用戶需要在 Visual Studio 2017 中使用，而 macOS 和 Linux 開發者可以使用.NET Core 2.0 SDK構建和運行.NET Standard和.NET Core項目。

對Infer.NET感興趣？請收好下麵的一些傳送門：

框架下載地址：

https://www.nuget.org/packages?q=Microsoft.ML.Probabilistic

教程和示例地址：

https://dotnet.github.io/infer/userguide/Infer.NET%20tutorials%20and%20examples.html

用戶指南：

https://dotnet.github.io/infer/userguide

GitHub地址：

https://github.com/dotnet/infer

— 完 —

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界麵，回複“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態