微軟釋出ML.NET 1.1，加入異常偵測演算法

由微軟研究院開發的機器學習框架ML.NET，在今年Build大會中推出了1.0正式版，現在微軟再次更新框架提供的演算法推出ML.NET 1.1，同時也更新了仍在預覽階段的ML.NET模型建置工具（Model Builder），新增問題分類樣板以及改進模型建置各步驟功能。

ML.NET提供.NET開發人員簡單且熟悉的機器學習開發工具，以在應用程式中加入自定義的機器學習模型，建立情感分析、推薦以及圖像分類等應用。微軟在ML.NET 1.0中加入自動化機器學習AutoML功能，能自動決定使用於資料的演算法，幫助開發者快速建立機器學習模型。

微軟在ML.NET 1.1中，為IDataview加入支援記憶體圖像類型，而IDataView是.NET生態系統各函式庫共享的類型。在之前的ML.NET版本中，當開發者在模型中處理圖像時，像是以TensorFlow或是ONNX模型為圖像評分時，開發者需要指定磁碟中的路徑，從檔案中載入圖像，但在ML.NET 1.1中，開發者可以使用記憶體中的圖像，並直接進行處理。

Azure異常偵測團隊為ML.NET的時間序列NuGet套件，貢獻了一個名為SrCnnAnomalyDetection的異常偵測演算法，這個仍在預覽階段的演算法，使用了超高解析度的深度卷積網路，讓開發者應用來偵測各種異常事件，特別的是，這個演算不需要任何事先的訓練，可以開箱即用。另外，時間序列NuGet套件中，還提供全新的時間序列預測元件，讓開發者可以實作基於奇譜分析（Singular Spectrum Analysis，SSA）的時間序列預測分析模型，目前也正在預覽階段。

而在ML.NET 1.0加入的模型建置工具，能夠為開發者在Visual Studio中，提供視覺化介面建置、訓練和客製化自定義機器學習模型，並支援自動化人工智慧功能，自動探索資料適用的機器學習演算法和設定。微軟持續更新這個模型建置工具，在ML.NET 1.1版本中，增加了新的問題分類樣板，讓開發者可以分類表格資料，其使用多重分類法，可以將資料分成三個以上的類別，適合的情境像是電子郵件分類或是GitHub問題等。