IDataView被单独作为一个类库包 IDataView组件为表格式数据提供了非常高效的处理方式，尤其是用于机器学习和高级分析应用。它被设计为可以高效地处理高维数据和大型数据集。并且也适合处理属于更大的分布式数据集中的单个数据区块结点。 在ML.NET 0.10中，IDataView被拆分成单个程序集和NuGet类库包。这对于与其它API及框架交互是极重要的一步。 在被拆分后，其它的类库将能直接引用它，而不需要引用整个ML.NET。这样有助于第三方类库也能使用IDataView所提供的强大功能。 场感知分解机训练器支持多个特征列 在之前的ML.NET版本中，当使用场感知分解机(FFM)训练器时，仅可以提供单个特征列。 在新的版本里，支持在Options参数里添加额外的特征列。 var ffmArgs = new FieldAwareFactorizationMachineTrainer.Options(); // Create the multiple field names. ffmArgs.FeatureColumn = nameof(MyObservationClass.MyField1); // 首个字段 ffmArgs.ExtraFeatureColumns = new[]{ nameof(MyObservationClass.MyField2), nameof(MyObservationClass.MyField3) }; // 额外的字段 var pipeline = mlContext.BinaryClassification.Trainers.FieldAwareFactorizationMachine(ffmArgs); var model = pipeline.Fit(dataView); 支持返回多个预测标签 之前的版本里，即使预测多类别分类问题，也只能返回单一的标签。 现在，这一缺陷终于被修复了。(其实在内部逻辑里已经对多项预测完成处理，但过去的API只返回了单一的结果) 源自社区的示例页面 作为ML.NET Samples的一部分，现在新增了一个特殊页面——由社区提供的多个示例。 里面有不少很好的例子： 照片查询的WPF应用，其内部运行TensorFlow模型，并导出为ONNX格式。 使用ML.NET的UWP应用： 当然，欢迎有越来越多的贡献者加入其中，提供更多的示例。https://www.cnblogs.com/kenwoo/p/10367137.html