由微软研究院开发的机器学习框架ML.NET现释出0.10版本，这个版本最主要的变动是分离处理表格数据的IDataView组件，以增加.NET生态系中框架的互操作性，还在推荐功能训练中支持多重特征字段（Feature Columns）。ML.NET是一个为.NET开发人员发布的开源跨平台机器学习框架，支持Windows、Linux和macOS操作系统。开发人员可以使用ML.NET解决常见的机器学习任务，透过创建自定义的机器学习模型，赋予应用程序人工智能功能，进行情感分析或是图像分类等工作。而ML.NET还整合了TensorFlow以及ONNX等第三方函式库，与机器学习开源生态系高度互通。微软为了要让IDataView作为.NET生态系统中各函式库的共享类型，因此将IDataView从ML.NET分离出去。用来处理表格数据的IDataView组件，其具备善于处理高维资料以及大型数据集的能力，因此特别适合用于机器学习和进阶分析应用程序，而且还能用于在单一节点处理大型分布式数据集。
而在ML.NET 0.10中，IDataView组件被分离成单个程序集以及NuGet套件，微软提到，这是实现其他API与框架互操作性的一步。微软解释，透过分离IDataView组件，让IDataView成为一种交换数据的格式，不同的函式库将能参照并以API使用IDataView，开发者可以方便的在两个独立的函式库间传递大量数据。第三方框架可以简单的参照单一IDataView的NuGet套件，就能获取原本只能在ML.NET中使用的IDataView副本，微软举例，这将能帮助开发者利用绘制图表函式库，不需要参照整个ML.NET框架，也不用进行复制或是转换数据格式，只要将ML.NET产生的数据以IDataView格式传递给目标函式库，就能直接使用。
另外，在过去的ML.NET版本中，当开发者使用场域分解机（Field-aware Factorization Machine，FFM）训练算法时，只能使用单一特征字段，
而在ML.NET 0.10版本中，场域分解机算法将支持训练数据集中多个特征字段。而在使用多重类别分类（Multi-class Classification）模型等预测功能时，过去都只能预测并取得单一标签，但这对于许多应用情境远远不够，像是电子商务应用中，开发者会希望系统能自动将商品分类到多个类别中，而不仅只有一个类别。但其实在预测时，ML.NET内部存在一个列表，纪录了多个可能的预测，只是API只回传一个结果，
而现在ML.NET 0.10将允许开发者存取架构数据，以获得预测标签列表，其中将包含预测分类的分数或是机率。
