什么是机器学习模型？
机器学习模型是一个在文件中本地存储的对象，在经过训练后可以识别特定类型的模式。 你可以用一组数据训练模型，为它提供一种算法，模型利用该算法学习这些数据并进行推理。
对模型进行训练后，可以使用它根据之前未见过的数据进行推理，并对这些数据进行预测。 例如，假设你要构建一个应用程序，该应用程序可以根据用户的面部表情识别用户的情感。 可以为模型提供具有特定情感标记的面部图像，对模型进行训练，然后即可在能够识别任何用户情感的应用程序中使用该模型。
何时使用机器学习
良好的机器学习方案通常具有以下常见特性：
- 涉及要自动执行且需要一致结果的重复决策或评估。
- 很难或不可能显式描述决策背后的解决方案或条件。
- 具有标记的数据，或有现有示例，在示例中可描述情况并映射到正确的结果。
Windows 机器学习对其模型使用开放神经网络交换 (ONNX) 格式。 可以下载预先训练的模型，也可以训练自己的模型。 有关详细信息，请参阅获取适用于 Windows ML 的 ONNX 模型。
开始使用
可以按照我们的完整应用教程之一或直接跳到 Windows 机器学习示例来开始使用 Windows 机器学习。
注意
使用以下资源可获取有关 Windows ML 的帮助：
- 若要提出或回答有关 Windows ML 的技术问题，请在 Stack Overflow 上使用 windows-machine-learning 标记。
- 若要报告 bug，请在 GitHub 上提交问题。