感覺微軟對開源上癮了。

在開源了跨平臺機器學習框架ML.NET之后，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，可以說是八方點贊，Twitter上一片好評。

那么，infer.NET是什么？有何優(yōu)點？應用范圍如何？該怎么去下載使用呢？

下面就來回答這些問題~

關于infer.NET

簡單來說，Infer.NET是一個基于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，可以用于概率編程，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，并可以針對特定領域問題提供定制解決方案。

一般情況下，進行機器學習的時候，開發(fā)人員為框架提供模型后，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制的機器學習算法，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(yōu)勢。

在微軟的官方博文中，給出了infer.NET框架的4個優(yōu)勢，分別是：

1、可解釋性強。

如果你設計了一個模型，并且從模型中生成算法。那么，你就可以理解為什么系統(tǒng)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。

基于模型的機器學習框架，對于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，用于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，在一個系統(tǒng)中使用Infer.NET，系統(tǒng)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，即系統(tǒng)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(yè)和消費品中是必不可少的。

具有這么多的優(yōu)勢，在實際的應用場景中，Infer.NET的運用范圍也非常廣泛。

除了廣泛應用于信息檢索、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(fā)展成了微軟 Office、 Xbox 和 Azure 等微軟核心產品中的機器學習引擎。

最近還應用到了游戲評級系統(tǒng)之中，微軟的研究團隊基于TrueSkill，使用Infer.NET框架開發(fā)了TrueSkill 2。從《Halo 5》中的應用來看，相比于TrueSkill，玩家匹配的準確率從52%提升到了68%。

使用指南

Infer.NET框架開源之后，將成為ML.NET的一部分。這是一款面向.NET開發(fā)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，并將包和命名空間移動到Microsoft.ML.Probabilistic。Infer.NET也將提升ML.NET在統(tǒng)計建模和在線學習方面的能力。

此外，Infer.NET也是跨平臺的。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(fā)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？請收好下面的一些傳送門：

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