微软于一周前发布了 ML.NET 0.10 版本（不是 0.1，接下来还会有 0.11, 0.12，然后才是 1.0 版本）。
更新亮点包括
IDataView 被单独作为一个类库包
场感知分解机训练器支持多个特征列
支持返回多个预测标签
源自社区的示例页面
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)训练机器时，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