ML.NET 是一个跨平台框架，可以允许 .NET 开发人员开发专属模型，并在他们的应用程序中注入定制的机器学习能力，开发人员不需要具备开发或调节机器学习模型的专业知识。

ML.NET 由微软研究院研发，在过去的十年里发展成为一个重要的框架，它在微软的许多产品团队中都有使用，比如 Windows、必应、Microsoft Azure 等等。

ML.NET 支持分类（例如文本分类、情感分析）、回归（例如预测、价格预估）等机器学习任务。

除了宣布支持以上任务，微软一并发布了用于训练模型、进行预测的 .NET API 的初稿，此外还有这一框架的核心组成部分，比如学习算法、转换和核心机器学习数据结构。

ML.NET 是一个框架，这意味着它可以扩展，可以将 TensorFlow、Accord.NET 和 CNTK 这样的流行机器学习库添加进去。在 ML.NET 开源生态中，微软致力于让它的内部功能更加完善，ML.NET 可以为 .NET 开发者带来更优化的机器学习开发体验。

ML.NET 将会不断增加对流行深度学习库如 TensorFlow、Caffe2、CNTK 和一般深度学习库如 Accord.NET 的支持，其功能可以扩展到其他的机器学习场景，如推荐系统、异常检测和其他深度学习方法。

ML.NET 还增加了 Azure Machine Learning 和 Cognitive Service 的一些已有经验，它允许使用代码优先的方法，支持本地应用程序部署，让用户能构建自己的模型。

ML.NET 是作为 .NET Foundation 的一部分推出的，repo 中包含了训练和消耗模型的 .NET C♯ API，还有各种各样的 transform，以及许多流行的机器学习任务，如回归和分类。

ML.NET 的目标是提供 E2E 工作流，通过预处理、特征工程、建模、评估和操作，将深度学习能力添加进 .NET 应用程序。

微软表示，他们的目标是使 ML.NET 的 API 变得通用，这样就可以通过一个共享 API 使用 CNTK、Accord.NET、TensorFlow 等框架和其他库。