前言

Visual Studio2019 Preview中提供了圖形界面的ML.Net，所以，只要我們安裝Visual Studio2019 Preview就能簡(jiǎn)單的使用ML.Net了，因?yàn)槲业碾娔X已經(jīng)安裝了Visual Studio2019，所以我不需要重頭安裝Visual Studio2019 Preview，只要更新即可。

安裝

首先找到Visual Studio Installer安裝包，如下圖。

運(yùn)行，然后選擇如下：

創(chuàng)建項(xiàng)目

我們創(chuàng)建一下新項(xiàng)目，如下圖：

然后選擇。

然后添加機(jī)器學(xué)習(xí)。

點(diǎn)擊機(jī)器學(xué)習(xí)時(shí)，如果我們沒(méi)有開(kāi)啟MLNET模型創(chuàng)建功能，則會(huì)彈出提示，讓我們開(kāi)啟。

當(dāng)然我們也可以手動(dòng)在選項(xiàng)中開(kāi)啟，如下圖：

點(diǎn)擊【機(jī)器學(xué)習(xí)】之后會(huì)有圖形界面，如下圖：

然后我們可以看到，它提供了一些方案，如語(yǔ)義識(shí)別，圖像識(shí)別，數(shù)值預(yù)測(cè)等。

我們選擇數(shù)值預(yù)測(cè)，然后進(jìn)入下一步，如下圖：

在環(huán)境頁(yè)面，選擇本地訓(xùn)練，然后點(diǎn)擊下一步獲取數(shù)據(jù)，如下圖：

這里需要選擇一個(gè)數(shù)據(jù)源，我們?nèi)ス倬W(wǎng)上下載一下可用的測(cè)試數(shù)據(jù)源。

這里我們下載【產(chǎn)品銷售數(shù)據(jù)】。

選擇完預(yù)測(cè)數(shù)據(jù)文件，我們配置要預(yù)測(cè)的列，然后點(diǎn)擊訓(xùn)練，如下圖：

訓(xùn)練界面如下：

點(diǎn)擊訓(xùn)練，大約2分鐘，訓(xùn)練完成，輸出界面會(huì)輸出如下內(nèi)容。

訓(xùn)練完成后，如下圖：

我們點(diǎn)擊評(píng)估，如下圖：

如上圖，預(yù)測(cè)到1月銷售數(shù)據(jù)是262.8。

然后點(diǎn)擊代碼，將ML.Net代碼添加到解決方案中，如下圖：

添加ML.Net代碼后，如下圖：

生成的MLNetConsoleML.ConsoleApp項(xiàng)目是入口項(xiàng)目，Main函數(shù)如下：

static void Main(string[] args)
{
  // Create single instance of sample data from first line of dataset for model input
  ModelInput sampleData = new ModelInput()
  {
    Month = @"1-Jan",
  };
​
  // Make a single prediction on the sample data and print results
  var predictionResult = ConsumeModel.Predict(sampleData);
​
  Console.WriteLine("Using model to make single prediction -- Comparing actual ProductSales with predicted ProductSales from sample data...\n\n");
  Console.WriteLine($"Month: {sampleData.Month}");
  Console.WriteLine($"\n\nPredicted ProductSales: {predictionResult.Score}\n\n");
  Console.WriteLine("=============== End of process, hit any key to finish ===============");
  Console.ReadKey();
}

可以看到，我們預(yù)測(cè)的是Month = @"1-Jan"。

再打開(kāi)ModelBuilder文件，可以看到，這里一開(kāi)始就配置了數(shù)據(jù)地址和模型地址，如下圖：

到這里，我們ML.Net就算初步學(xué)會(huì)使用了，下面，再提供一個(gè)官網(wǎng)GIF圖片供大家參考。

訓(xùn)練時(shí)長(zhǎng)

模型生成器使用 AutoML 瀏覽多個(gè)模型，以查找性能最佳的模型。

更長(zhǎng)的訓(xùn)練周期允許 AutoML 通過(guò)更多設(shè)置來(lái)瀏覽更多模型。

下表匯總了在本地計(jì)算機(jī)上為一組示例數(shù)據(jù)集獲取良好性能所花的平均時(shí)間。

----------------------------------------------------------------------------------------------------

參考網(wǎng)址：https://docs.microsoft.com/zh-cn/dotnet/machine-learning/automate-training-with-model-builder

----------------------------------------------------------------------------------------------------

到此C#使用ML.Net完成人工智能預(yù)測(cè)的基本使用已經(jīng)介紹完了。

代碼已經(jīng)傳到Github上了，歡迎大家下載。

Github地址：https://github.com/kiba518/MLNetConsole

到此這篇關(guān)于C#使用ML.Net完成人工智能預(yù)測(cè)的文章就介紹到這了,更多相關(guān)C#人工智能預(yù)測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論