WWDC2018之Create ML(二)

在上一篇我们主要讲了如何用CreateML分类图片，那么这一次，我们使用文本分类的功能。

何为文本分类？

文本分类器是一种机器学习模型，它被训练用来识别自然语言文本中的模式，比如句子表达的情感。

通过向文本分类器显示许多已经标记的文本示例来训练文本分类器——例如，已经标记为正、负或中性的电影评论。

实践

我们可以将数据保存到JSON或CSV格式中。例如，JSON文件中数据格式如下：

JSON文件中的数据格式

我们从这里获得文本数据集spam.json，这是一个垃圾邮件与正常邮件的数据集，里面格式如下：

实战的文本格式

import CreateML

let data = try MLDataTable(contentsOf: URL(fileURLWithPath: "<#/path/to/read/data.json#>"))

这句代码的意思是通过传入数据集文件来创建MLDataTable实例

let (trainingData, testingData) = data.randomSplit(by: 0.8, seed: 5)

然后和图片分类一样要分成训练集和测试集，这句代码的意思就是将数据随机的分成训练集和测试集，训练集占其中的80%。
准备工作做好了，那么就要开始训练了：

let sentimentClassifier = try MLTextClassifier(trainingData: trainingData,
                                               textColumn: "text",
                                               labelColumn: "label")

里面的标签分别代表文本的标签和分类的标签。要按照数据文件里面真实的填写。这里面正好是text和label。
训练成功后获得MLTextClassifier的实例sentimentClassifier。这时候我们可以获得训练部分的trainingMetrics和验证部分的validationMetrics（ps：文本分类训练过程和图片分类过程一致，自动将训练数据分割成训练部分和验证部分，这两者都会影响训练，但方式不同。由于分割是随机进行的，所以每次训练模型时，您可能会得到不同的结果。）

// Training accuracy as a percentage
let trainingAccuracy = (1.0 - sentimentClassifier.trainingMetrics.classificationError) * 100

// Validation accuracy as a percentage
let validationAccuracy = (1.0 - sentimentClassifier.validationMetrics.classificationError) * 100

获取实例后，实例中有trainingMetrics和validationMetrics属性，通过这个属性我们可以通过trainingMetrics.classificationError和validationMetrics.classificationError获取错误率，当然也可以间接的获取正确率

let evaluationMetrics = sentimentClassifier.evaluation(on: testingData)
// Evaluation accuracy as a percentage
let evaluationAccuracy = (1.0 - evaluationMetrics.classificationError) * 100

通过evaluation()也可以获得evaluationMetrics，当然也可以获得测试集的正确率。

let metadata = MLModelMetadata(author: "John Appleseed",
                               shortDescription: "A model trained to classify movie review sentiment",
                               version: "1.0")

try sentimentClassifier.write(to: URL(fileURLWithPath: "<#/path/to/save/SentimentClassifier.mlmodel#>"),
                              metadata: metadata)

最后只要将训练好的模型保存就好了
每个必要的方法我都解释完了，那么，我就完整的写一遍。

import Cocoa
import CreateML

do {
    let data = try MLDataTable(contentsOf: URL(fileURLWithPath: "<#数据集的路径#>"))
    let (trainingData, testingData) = data.randomSplit(by: 0.8, seed: 5)
    let sentimentClassifier = try MLTextClassifier(trainingData: trainingData,
                                                   textColumn: "text",
                                                   labelColumn: "label")
    // Training accuracy as a percentage
    let trainingAccuracy = (1.0 - sentimentClassifier.trainingMetrics.classificationError) * 100
    print("训练部分正确率:\(trainingAccuracy)")
    // Validation accuracy as a percentage
    let validationAccuracy = (1.0 - sentimentClassifier.validationMetrics.classificationError) * 100

    print("验证部分正确率:\(validationAccuracy)")
    
    let evaluationMetrics = sentimentClassifier.evaluation(on: testingData)
    let evaluationAccuracy = (1.0 - evaluationMetrics.classificationError) * 100
    print("测试集正确率:\(evaluationAccuracy)")
    let metadata = MLModelMetadata(author: "hoping_sir",
                               shortDescription: "",
                               version: "1.0")

    try sentimentClassifier.write(to: URL(fileURLWithPath: "<#/path/to/save/SentimentClassifier.mlmodel#>"),
                              metadata: metadata)
} catch  {
    print("数据集格式或内容不正确")
}

里面部分内容需要你根据实际情况填写。
讲到这里，有些人还是觉得好麻烦，代码要写好多有没有！不过，我做了个可视化工具，用于文本分类，这也是一个playground，像图片分类一样会有可视化界面和可视化操作，运行环境最好是macOS Mojave beta5及以上，工具使用Xcode10运行。

工具演示

训练结果