ML.NET 机器学习 教程 线性回归模型

线性回归模型，使用房屋大小和价格数据预测房屋价格。

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using Microsoft.ML;
using Microsoft.ML.Data;


namespace MLApp
{
    internal class Program
    {
        public class HouseData
        {
            public float Size { get; set; }
            public float Price { get; set; }
        }

        public class Prediction
        {
            [ColumnName("Score")]
            public float Price { get; set; }
        }

        static void Main(string[] args)
        {
            MLContext mlContext = new MLContext();

            // 1. Import or create training data
            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);

            // 4. Make a prediction
            var size = new HouseData() { Size = 2.5F };
            var price = mlContext.Model.CreatePredictionEngine<HouseData, Prediction>(model).Predict(size);
            // $作用是将{}内容当做表达式。  C 货币。
            Console.WriteLine($"Predicted price for size: {size.Size * 1000} sq ft= {price.Price * 100:C}k");

            // Predicted price for size: 2500 sq ft= $261.98k

            // 等待用户按下任意键。避免窗口关闭。
            Console.ReadKey();
        }
    }
}

代码工作流

以下关系图表示应用程序代码结构，以及模型开发的迭代过程：

• • 将训练数据收集并加载到 IDataView 对象中。
  • 指定操作的管道，以提取特征并应用机器学习算法。
  • 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。
  • 将模型保存为二进制格式，以便在应用程序中使用。
  • 将模型加载回 ITransformer 对象。
  • 通过调用 CreatePredictionEngine.Predict() 进行预测。

机器学习模型
ML.NET 模型是一个对象，它包含为了获得预测输出而要对输入数据执行的转换。

最基本的模型是二维线性回归，其中一个连续数量与另一个连续数量成比例关系，如上述房价示例所示。

模型很简单：$Price=b+Size\ast w$。 参数 $b$ 和 $w$ 通过根据一组 (size, price) 对拟合一根直线来进行估算。 用于查找模型参数的数据称为训练数据。 机器学习模型的输入称为特征。 在此示例中，$Size$ 是唯一的特征。 用于训练机器学习模型的真值称为标签。 此处训练数据集中的 $Price$ 值是标签。