我们正在使用 ML.NET 对图像进行分类。每个图像都应该属于多个类别之一。 这些图像包含产品的不同变体。这些产品的变体有很多相似之处，但也有一些独特的特征。
是否可以将产品的变体作为特征添加到学习算法中，然后将其传递给预测函数？因此，训练可以利用不同产品变体之间的相似性，但我们仍然可以为预测提供提示，因为我们事先知道正在预测哪个产品变体？
或者我是否必须为产品的每个变体训练一个单独的模型？我现在正在这样做，因为我还没有弄清楚如何传递图像数据之外的附加功能。
有关如何改进模型的文档建议向数据添加上下文。
是否可以添加额外的特征列以及图像数据，或者这对于 ML.NET（或一般情况？）来说是不可能的。
我认为可能会使用自动学徒模式来改善预测。 Cependant，la manière de le faire dépend du type de model que utilisez et de la bibliothèque que vous avez choisi，en l'occurrence ML.NET dans votre cas.
Voici quelques 接近可能：
连环画：将之前的实体和宏伟的图像和产品变体连在一起。您将代表数字产品的变体（例如，使用数字值或一次性编码）。 Ainsi, la colonne d'entités de votre model contiendra à la fois les données d'image et les caractéristiques de lavarie du produit.
|图像特征|产品变体特征 |
确保您的投票模式能够满足我的需求。
混合模式：您可以创建混合模式，或者将不同图像的模式和产品变体的特性分开。套间，您将双模的组合组合起来，以获得最终的预测。
|图像模型 |产品型号 | Cette approche peut être particulièrement utile les caractéristiques de lavarie du produit et les données d'image ont deslations Complexes.
总而言之，图像补充说明是自动学徒实践中的实用技巧，可根据模型和您使用的图书馆的具体情况进行管理。