機械学習モデルとは
機械学習モデルは、特定の種類のパターンを認識するようにトレーニングされたオブジェクト (ファイルにローカルに格納) です。 一連のデータに対してモデルをトレーニングし、それらのデータを推論して学習するために使用できるアルゴリズムを提供します。
モデルをトレーニングしたら、それを使用して、これまで見たことがないデータを推論し、それらのデータに関する予測を行うことができます。 たとえば、ユーザーの表情に基づいてユーザーの感情を認識できるアプリケーションを構築するとします。 モデルをトレーニングするには、それぞれ特定の感情でタグ付けされた顔の画像を提供し、そのモデルを任意のユーザーの感情を認識できるアプリケーションで使用できます。
Machine Learning を使用するタイミング
優れた機械学習シナリオには、多くの場合、次の共通プロパティがあります。
- これらは、自動化する必要があり、一貫性のある結果が必要な、繰り返しの決定または評価を伴います。
- 決定の背後にある解決策や基準を明示的に記述することは困難または不可能です。
- ラベル付けされたデータや、状況を説明して正しい結果にマップできる既存の例があります。
Windows Machine Learning では、モデルに Open Neural Network Exchange (ONNX) 形式が使用されます。 事前トレーニング済みのモデルをダウンロードすることも、独自のモデルをトレーニングすることもできます。 詳細については、「Windows ML の ONNX モデルを取得する」を参照してください。
作業の開始
Windows Machine Learning の使用を開始するには、アプリ全体のチュートリアルの 1 つ 従うか、Windows Machine Learning サンプルに直接ジャンプします。
手記
Windows ML のヘルプについては、次のリソースを使用してください。
- Windows ML に関する技術的な質問や回答を行うには、Stack Overflowの windows-machine-learning タグを使用してください。
- バグを報告するには、GitHubで問題を報告してください。