听说你要用C#做机器学习

0x00 前言

机器学习本身注重的是一种思想和方法，用什么语言开发完全是看应用领域了呢。因为最近可能会有个 .NET 项目需要加入一些机器学习的功能，在网上溜达了一圈，好像没有多少文章关注到了微软前段时间发布的 ML.NET 。于是就在这里大概入门一下这个新框架吧。(PS: 真不如Python好用，(╬▔皿▔)凸)

注：下面演示的是一个简单的分类预测的例子，选自于官网的ML.NET 教程，和原文的操作过程略有差异。

0x01 10分钟快速上手(网速很重要)

打开VS2017，新建项目，选择 ".NET Core"，名称 myApp (随便起一个，你开心就好)

新建项目
添加 ML.NET 包，我现在的版本为0.6.0 (希望不要学tensorflow，严重质疑它现在再刷版本号)

添加包

点击安装

点击安装，修改和授权都要选择同意呢。

同意一下啦，不然...不然就不给你看了
下载数据集并复制到项目中，修改文件的属性复制到输出目录，选择永久输出。

修改属性

修改Program.cs内容

using Microsoft.ML;
using Microsoft.ML.Data;
using Microsoft.ML.Legacy;
using Microsoft.ML.Trainers;
using Microsoft.ML.Transforms;
using Microsoft.ML.Runtime.Api;
using Microsoft.ML.Legacy.Data;
using Microsoft.ML.Legacy.Trainers;
using Microsoft.ML.Legacy.Transforms;
using System;
using System.Threading;

namespace myApp
{
    class Program
    {
        // 步骤 1: 定义数据结构
        // IrisData 用于提供训练数据, 以及用于预测操作的输入。
        // -前4属性是用于预测标签的输入/特征
        // -标签是你所预测的, 只有在训练时才设定
        public class IrisData
        {
            [Column("0")]
            public float SepalLength;

            [Column("1")]
            public float SepalWidth;

            [Column("2")]
            public float PetalLength;

            [Column("3")]
            public float PetalWidth;

            [Column("4")]
            [ColumnName("Label")]
            public string Label;
        }

        // IrisPrediction 是预测操作返回的结果
        public class IrisPrediction
        {
            [ColumnName("PredictedLabel")]
            public string PredictedLabels;
        }

        static void Main(string[] args)
        {
            // STEP 2: 创建类并加载数据
            var pipeline = new LearningPipeline();
            // 注意文件命名
            string dataPath = "iris.data.txt";
            pipeline.Add(new TextLoader(dataPath).CreateFrom<IrisData>(separator: ','));

            //步骤 3: 转换数据
            // 将数值分配给 "标签 " 列中的文本, 
            // 因为只有在模型训练过程中才能处理数字

            pipeline.Add(new Dictionarizer("Label"));

            // 将所有特征放入向量中
            pipeline.Add(new ColumnConcatenator("Features", "SepalLength", "SepalWidth", "PetalLength", "PetalWidth"));

            // 步骤 4: 添加学习者
            // 向类中添加学习算法。这是一个分类场景 (这是什么类型？)
            pipeline.Add(new StochasticDualCoordinateAscentClassifier());

            // 将标签转换回原始文本 (在步骤3中转换为数字后)
            pipeline.Add(new PredictedLabelColumnOriginalValueConverter() { PredictedLabelColumn = "PredictedLabel" });

            // 步骤 5: 基于数据集对模型进行训练
            var model = pipeline.Train<IrisData, IrisPrediction>();

            // 步骤 6: 使用您的模型进行预测
            // 您可以更改这些数字来测试不同的预测
            var prediction = model.Predict(new IrisData()
            {
                SepalLength = 3.3f,
                SepalWidth = 1.6f,
                PetalLength = 0.2f,
                PetalWidth = 5.1f,
            });

            Console.WriteLine($"Predicted flower type is: {prediction.PredictedLabels}");

            Thread.Sleep(3000);
        }
        
    }
}

OK，执行它吧。

打印出超参数和结果

输出结果了呢。

0x03 后记

(PS: 0x02让我吃了，肚子好饿，早知道就不做机器学习了)

运行起来的效果还是可以的，但是我还是要吐槽比Python的麻烦多了。哼~ 不接受任何不服。

如果帮到了你就点个赞打个赏吧，我才不会谢谢你呢。

听说你要用C#做机器学习

0x00 前言

0x01 10分钟快速上手(网速很重要)

0x03 后记

推荐阅读更多精彩内容