Trainers (訓練器) 是 ML.NET 框架裡的重要組成元件，沒有了 Trainers ， ML.NET 便無法進行模型的訓練，本篇小品就帶你花個3分鐘理解什麼是 ML.NET 訓練器
在前一篇文章裡稍微介紹了一下給.NET開發人員用的機器學習框架ML.NET，相較於與使用雲端AI服務，ML.NET比較複雜且需要更多的撰寫程式能力，而它的應用情境是偏向落地端的應用，並且ML.NET無法讓我們用來建立CNN、RNN等神經網路的（過去你可以使用CNTK，而現在你需要選擇用pytorch、tensorflow等）。
ML.NET 的定位是屬於應用開發層面，它能提供給你的是自行選擇演算法搭配預先訓練的模型，訓練出適合你的應用專屬的模型，因此在 ML.NET 的程式碼裡有個很重要的組成元件，稱為 trainers (訓練器)，trainers 是將把演算法套入不同應用類型，搭配組合好的一組函式庫，方便開發人員直接選用，當然也就包含了演算法參數的設置，例如我們想做一個二元分類的應用，在 ML.NET 裡以不同的演算法組合了以下 trainers
又或者我們想做一個多分類的應用，則有以下的 trainers
那麼我們就來看一下程式碼的部份，首先決定想要做的應用類別(數值預測、二元分類、多分類...)
接著在 Trainers 命名空間下，可以找到採用不同的演算法的 trainers，這個例子是數值的預測，採用了 Regression，演算法採用的是Lbfgs Poisson
再舉個二元分類的例子，以Logistic Regression搭配 Sdca
總結來說，ML.NET 裡的 trainers (訓練器)，可以簡單把它視為已經分類好的演算法清單，提供給開發人員依不同情境進行選用，開發上只要先決定你的應用情境分類，就能找到目前ML.NET框架裡各式演算法的函式庫。
若本文對您有所幫助，歡迎轉貼，但請在加註【轉貼】及來源出處，並在附上本篇的超連結，感恩您的配合囉。
By No.18
