LearningPipeline类用于定义执行所需机器学习任务所需的步骤，让机器学习的流程变得直观。

创建工作流

创建LearningPipeline实例，通过Add方法向流水线添加步骤，每个步骤都继承自ILearningPipelineItem接口。

其中，蓝色部分是可选步骤。

生成预测模型

调用LearningPipeline实例的Train方法，就可以根据已加载和处理后的数据集得到预测模型PredictionModel<TInput,TOutput>。

示例代码

var pipeline = new LearningPipeline();
/加载数据
pipeline.Add(new TextLoader <SentimentData> (dataPath, separator: ","));
//数据预处理，将文本文档集合转换为数值功能矢量
pipeline.Add(new TextFeaturizer("Features", "SentimentText"));
//选择学习算法
pipeline.Add(new FastTreeBinaryClassifier());

var model = pipeline.Train<SentimentData, SentimentPrediction>();

原文地址：https://www.cnblogs.com/feiyun0112/p/ML-NET-1.html