快捷導(dǎo)航

.NET開發(fā)人員關(guān)于ML.NET的入門學(xué)習(xí)

更新時(shí)間：2019年05月20日 12:53:55 作者：張善友

隨著谷歌，F(xiàn)acebook發(fā)布他們的工具機(jī)器學(xué)習(xí)工具Tensorflow 2和PyTorch，微軟也發(fā)布了ML.NET 1.0?？梢哉f2019年是機(jī)器學(xué)習(xí)社區(qū)普及化的一年，下面小編向大家簡單介紹一下關(guān)于ML.NET的入門學(xué)習(xí)

ML.NET一直在微軟的研究部門的工作。這些創(chuàng)新已經(jīng)用于他們自己的產(chǎn)品，如Windows Defender，Microsoft Office（Powerpoint設(shè)計(jì)理念，Excel圖表推薦），Azure機(jī)器學(xué)習(xí)，PowerBI。 ML.NET旨在提供終端工作流程，以便在機(jī)器學(xué)習(xí)（預(yù)處理，特征工程，建模，評(píng)估和操作）的各個(gè)步驟中將ML用于.NET應(yīng)用程序。

ML.NET 1.0提供以下關(guān)鍵組件：數(shù)據(jù)表示機(jī)器學(xué)習(xí)任務(wù)（分類，回歸，異常檢測等）數(shù)據(jù)特征工程

機(jī)器學(xué)習(xí)模型應(yīng)該讓分析師的生活更輕松，現(xiàn)在甚至可以構(gòu)建這些模型，因?yàn)樾驴蚣艿脑O(shè)計(jì)考慮了AutoML。除了通常的機(jī)器學(xué)習(xí)任務(wù)外，ML.NET還支持AutoML。

對(duì)于機(jī)器學(xué)習(xí)初學(xué)者，Microsoft開發(fā)人員建議從Visual Studio中的ML.NET模型構(gòu)建器和任何平臺(tái)上的ML.NET CLI開始。對(duì)于可以隨時(shí)構(gòu)建模型的場景，AutoML API也非常方便。

使用ML.NET模型構(gòu)建器，只需右鍵單擊即可向應(yīng)用程序添加機(jī)器學(xué)習(xí)。

在命令行使用ML.NET

還引入了另一個(gè)工具M(jìn)L.NET CLI（命令行工具），它允許使用AutoML和ML.NET生成ML.NET模型。ML.NET CLI快速遍歷特定ML任務(wù)的數(shù)據(jù)集（目前支持回歸和分類）并生成最佳模型。

CLI除了生成最佳模型外，還允許用戶為最佳性能模型生成模型訓(xùn)練和消費(fèi)模型代碼。

ML.NET CLI是跨平臺(tái)的，是.NET CLI 的全局工具。Visual Studio擴(kuò)展ML.NET Model Builder 還使用ML.NET CLI提供模型構(gòu)建器功能。

安裝ML.NET CLI：

dotnet tool install -g mlnet

這是使用回歸預(yù)測出租車票價(jià)的代碼

加載數(shù)據(jù)集

IDataView trainingDataView = mlContext.Data.LoadFromTextFile(TrainDataPath, hasHeader: true);

IDataView testDataView = mlContext.Data.LoadFromTextFile(TestDataPath, hasHeader: true);

運(yùn)行AutoML二進(jìn)制分類

ExperimentResult experimentResult = mlContext.Auto().CreateRegressionExperiment(ExperimentTime).Execute(trainingDataView, LabelColumnName, progressHandler: new RegressionExperimentProgressHandler());

模型評(píng)估

ITransformer model = experimentResult.BestRun.Model;

并使用測試數(shù)據(jù)集評(píng)估其質(zhì)量（taxi-fare-test.csv）。

Regression.Evaluate() 計(jì)算已知票價(jià)與模型預(yù)測值之間的差異，以生成各種指標(biāo)。

var predictions = trainedModel.Transform(testDataView); 
var metrics = mlContext.Regression.Evaluate（predictions，scoreColumnName：“Score”）;

創(chuàng)建預(yù)測引擎

var predEngine = mlContext.Model.CreatePredictionEngine<TaxiTrip, TaxiTripFarePrediction>(model);

計(jì)算分?jǐn)?shù)

var predictedResult = predEngine.Predict(taxiTripSample);

上面是使用Visual Studio內(nèi)部的模型構(gòu)建器以及CLI命令測試AutoML，還有一個(gè)API可以在.Net應(yīng)用程序中使用它，使用非常簡單，添加[ Microsoft.ML.AutoML ] nuget包到項(xiàng)目中就可以使用API 進(jìn)行工作