微軟分離ML.NET表格資料元件IDataView，使其成為.NET生態系資料交換格式

由微軟研究院開發的機器學習框架ML.NET現釋出0.10版本，這個版本最主要的變動是分離處理表格資料的IDataView元件，以增加.NET生態系中框架的互通性，還在推薦功能訓練中支援多重特徵欄位（Feature Columns）。

ML.NET是一個為.NET開發人員發布的開源跨平臺機器學習框架，支援Windows、Linux和macOS作業系統。開發人員可以使用ML.NET解決常見的機器學習任務，透過創建自定義的機器學習模型，賦予應用程式人工智慧功能，進行情感分析或是圖像分類等工作。而ML.NET還整合了TensorFlow以及ONNX等第三方函式庫，與機器學習開源生態系高度互通。

微軟為了要讓IDataView作為.NET生態系統中各函式庫的共享類型，因此將IDataView從ML.NET分離出去。用來處理表格資料的IDataView元件，其具備善於處理高維資料以及大型資料集的能力，因此特別適合用於機器學習和進階分析應用程式，而且還能用於在單一節點處理大型分散式資料集。

而在ML.NET 0.10中，IDataView元件被分離成單個程序集以及NuGet套件，微軟提到，這是實現其他API與框架互通性的一步。微軟解釋，透過分離IDataView元件，讓IDataView成為一種交換資料的格式，不同的函式庫將能參照並以API使用IDataView，開發者可以方便的在兩個獨立的函式庫間傳遞大量資料。

第三方框架可以簡單的參照單一IDataView的NuGet套件，就能獲取原本只能在ML.NET中使用的IDataView副本，微軟舉例，這將能幫助開發者利用繪製圖表函式庫，不需要參照整個ML.NET框架，也不用進行複製或是轉換資料格式，只要將ML.NET產生的資料以IDataView格式傳遞給目標函式庫，就能直接使用。

另外，在過去的ML.NET版本中，當開發者使用場域分解機（Field-aware Factorization Machine，FFM）訓練演算法時，只能使用單一特徵欄位，而在ML.NET 0.10版本中，場域分解機演算法將支援訓練資料集中多個特徵欄位。

而在使用多重類別分類（Multi-class Classification）模型等預測功能時，過去都只能預測並取得單一標籤，但這對於許多應用情境遠遠不夠，像是電子商務應用中，開發者會希望系統能自動將商品分類到多個類別中，而不僅只有一個類別。但其實在預測時，ML.NET內部存在一個列表，紀錄了多個可能的預測，只是API只回傳一個結果，而現在ML.NET 0.10將允許開發者存取架構資料，以獲得預測標籤列表，其中將包含預測分類的分數或是機率。