• 系列ML.Net 学习篇【一】——初识机器学习


    由于公司项目涉及到机器学习和图像识别,虽然我并不是算法专家,但毕竟需要了解和知道其运转原理,因此自我进行了学习进化,决定在机器学习上有所进展,结合.NET技术的ML.NET,把机器学习的技能提升一个Level,如果你也有兴趣学习机器学习,并且恰好也是熟悉.NET技术栈,那么就和我一块学习吧… r u ready?

    • 📢欢迎点赞 :👍 收藏 ⭐留言 📝 如有错误敬请指正,赐人玫瑰,手留余香!
    • 📢本文作者:由webmote 原创
    • 📢作者格言:无尽的折腾后,终于又回到了起点,工控,我来了 !

    1.ML.NET 介绍

    在这里插入图片描述
    .NET 引入ML.NET,非常简单,只需要安装包即可。

    <PackageReference Include="Microsoft.ML" Version="2.0.0" />
    
    • 1

    微软官方的目的就是,让你无需离开 .NET 生态系统,便可以使用 C# 或 F# 创建自定义 ML 模型。并让你可以轻松地将机器学习集成到 Web、移动、桌面、游戏和物联网应用中。

    所以如果你刚好有Python训练好的模型,而正在烦恼怎么应用到.NET平台上时,那么刚好可以使用ML.NET,使用你的模型,它基本兼容市面上所有常见的数据格式,ML.NET支持TensorFlow和ONNX模型

    如果你已经有了模型,那么你现在可以导入,并使其开始运行和预测产出。

    目前ML.NET运行在 Windows,linux和macOS上,当然需要.NET Core/5/6/7等支持。

    2.AutoML

    全称是自动机器学习,给定数据集后,它可以运行 AutoML 来循环访问不同的数据转换、机器学习算法和超参数,以选择最佳模型,微软出品,就这么牛逼。

    一般传统的机器学习工作流程如下:
    在这里插入图片描述
    其中预处理、训练和评估是一个实验性和迭代过程,需要多次试验,直到获得满意的结果。

    由于这些任务往往是重复的,因此 AutoML 可以帮助自动执行这些步骤。 除了自动化之外,在训练和评估过程中还使用优化技术来查找和选择算法和超参数。
    在这里插入图片描述

    3 ML.NET能力范畴

    ML.NET提供了预测模型,可以做以下工作。
    在这里插入图片描述

    4 使用ML.NET的流程

    使用ML.NET来进行机器学习,其流程还是比较简单的。
    1. 将训练数据收集并加载到 IDataView 对象中
    2. 指定操作的管道,以提取特征并应用机器学习算法
    3. 通过在管道上调用 Fit() 来训练模型 评估模型并通过迭代进行改进
    4. 将模型保存为二进制格式,以便在应用程序中使用
    5. 将模型加载回 ITransformer 对象 通过调用
    6. CreatePredictionEngine.Predict() 进行预测

    在这里插入图片描述

    5. 一个小例子

    来源自官网的一个例子,使用拟合斜线预测房价。

    MLContext mlContext = new MLContext();
    HouseData[] houseData = {
                   new HouseData() { Size = 1.1F, Price = 1.2F },
                   new HouseData() { Size = 1.9F, Price = 2.3F },
                   new HouseData() { Size = 2.8F, Price = 3.0F },
                   new HouseData() { Size = 3.4F, Price = 3.7F } };
    IDataView trainingData = mlContext.Data.LoadFromEnumerable(houseData);
    
    // 2. Specify data preparation and model training pipeline
    var pipeline = mlContext.Transforms.Concatenate("Features", new[] { "Size" })
        .Append(mlContext.Regression.Trainers.Sdca(labelColumnName: "Price", maximumNumberOfIterations: 100));
    
    // 3. Train model
    var model = pipeline.Fit(trainingData);
    var testPriceDataView = model.Transform(trainingData);
    var metrics = mlContext.Regression.Evaluate(testPriceDataView, labelColumnName: "Price");
    
    // 4. Make a prediction
    var size = new HouseData() { Size = 2.5F };
    var price = mlContext.Model.CreatePredictionEngine<HouseData, Prediction>(model).Predict(size);
    
    
    Console.WriteLine($"Predicted price for size: {size.Size * 1000} sq ft= {price.Price * 100:C}k");
    
    
    public class HouseData
    {
        public float Size { get; set; }
        public float Price { get; set; }
    }
    
    public class Prediction
    {
        [ColumnName("Score")]
        public float Price { get; set; }
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36

    在这里插入图片描述
    拟合回归是最简单的一个,也是入门最好的算法了。
    模型也很简单,就是计算出 在这里插入图片描述

    总结

    一切看起来比较顺畅,祝你好运!
    让我们每天进步一点点!

  • 相关阅读:
    JOSEF约瑟DZJ-402 DZY-401导轨式中间继电器 触点形式 两转换 AC、DC220V
    01|一条SQL查询语句是如何查询的?
    你的工具包已到货「GitHub 热点速览 v.22.31」
    Vue动态切换class属性:数组法、对象法
    idea设置了maven会自动变回C盘那个
    LLMs 应用开发框架 Semantic Kernel 和 LangChain 比较
    Java ArrayList类详解
    水仙花数-C语言和python实现
    结合瑞幸的私域运营 盘点那些错误的私域营销方式
    [202101][深入浅出 Spring Security][王松][著]
  • 原文地址:https://blog.csdn.net/webmote/article/details/128100760