用途：在 .NET 应用中集成机器学习，使用本地数据训练或重新训练 ML.NET 模型，并审查推理管道、模型加载或 AutoML 生成的代码。
主要能力：围绕预测任务与数据质量构建 ML.NET 管道；将训练代码与推理代码分离，使生产路径精简可预测；在信任模型输出前审查特征工程、归一化、标签质量与评估指标；规划模型在应用生命周期中的加载、版本管理与刷新；用有代表性的数据集和显式评估进行验证。
使用方式：从预测任务和数据质量出发，而非算法或包列表。可用 Model Builder 或 ML.NET CLI 加速探索，但需检查生成的 C# 代码后再作为生产架构。交付物包括契合预测任务的 ML.NET 管道、可用于生产的推理集成，以及与业务场景挂钩的评估证据。
适用场景：情感分析、价格预测、图像分类、异常检测、推荐、聚类、欺诈检测、文本分类、目标检测和 AutoML 等。
限制：资料未提供具体安装命令、收费信息、平台要求或性能数据；模型质量需实测而非假设，训练与推理职责应分离，部署与版本管理预期需明确。