.NET開發人員如何開始使用ML.NET

隨着谷歌，Facebook發佈他們的工具機器學習工具Tensorflow 2和PyTorch ，微軟的CNTK 2.7以後再也不繼續更新（https://docs.microsoft.com/zh-cn/cognitive-toolkit/releasenotes/cntk_2_7_release_notes），Build 2019 微軟也發佈了ML.NET 1.0 ,這是一個面向機器學習開發者的新框架。能夠說2019年是機器學習社區普及化的一年，全部的這些發佈清楚地代表了IT行業的發展方向。從數據集改進模型到新的模型更新，以及優化硬件。

ML.NET一直在微軟的研究部門的工做。這些創新已經用於他們本身的產品，如Windows Defender，Microsoft Office（Powerpoint設計理念，Excel圖表推薦），Azure機器學習，PowerBI。 ML.NET旨在提供終端工做流程，以便在機器學習（預處理，特徵工程，建模，評估和操做）的各個步驟中將ML用於.NET應用程序。

ML.NET 1.0提供如下關鍵組件：

• 數據表示
• 機器學習任務（分類，迴歸，異常檢測等）
• 數據特徵工程

機器學習模型應該讓分析師的生活更輕鬆，如今甚至能夠構建這些模型，由於新框架的設計考慮了AutoML。除了一般的機器學習任務外，ML.NET還支持AutoML。

對於機器學習初學者，Microsoft開發人員建議從Visual Studio中的ML.NET模型構建器和任何平臺上的ML.NET CLI開始。對於能夠隨時構建模型的場景，AutoML API也很是方便。

使用ML.NET模型構建器，只需右鍵單擊便可向應用程序添加機器學習。

資料來源：微軟

在命令行使用ML.NET

還引入了另外一個工具ML.NET CLI（命令行工具），它容許使用AutoML和ML.NET生成ML.NET模型。ML.NET CLI快速遍歷特定ML任務的數據集（目前支持迴歸和分類）並生成最佳模型。

CLI除了生成最佳模型外，還容許用戶爲最佳性能模型生成模型訓練和 消費模型代碼。

ML.NET CLI是跨平臺的，是.NET CLI 的全局工具。Visual Studio擴展ML.NET Model Builder 還使用ML.NET CLI提供模型構建器功能。

安裝ML.NET CLI：

dotnet tool install -g mlnet

這是使用迴歸預測出租車票價的代碼

加載數據集

IDataView trainingDataView = mlContext.Data.LoadFromTextFile(TrainDataPath, hasHeader: true);

IDataView testDataView = mlContext.Data.LoadFromTextFile(TestDataPath, hasHeader: true);

運行AutoML二進制分類

ExperimentResult experimentResult = mlContext.Auto().CreateRegressionExperiment(ExperimentTime).Execute(trainingDataView, LabelColumnName, progressHandler: new RegressionExperimentProgressHandler());

模型評估

ITransformer model = experimentResult.BestRun.Model;

並使用測試數據集評估其質量（taxi-fare-test.csv）。

Regression.Evaluate() 計算已知票價與模型預測值之間的差別，以生成各類指標。

var predictions = trainedModel.Transform(testDataView);

var metrics = mlContext.Regression.Evaluate（predictions，scoreColumnName：「Score」）;

建立預測引擎

var predEngine = mlContext.Model.CreatePredictionEngine<TaxiTrip, TaxiTripFarePrediction>(model);

計算分數

var predictedResult = predEngine.Predict(taxiTripSample);

上面是使用Visual Studio內部的模型構建器以及CLI命令測試AutoML，還有一個API能夠在.Net應用程序中使用它，使用很是簡單，添加[ Microsoft.ML.AutoML ] nuget包到項目中就可使用API 進行工做

ML.Net示例倉庫中有一整套示例。能夠重用了Common文件夾中的一些類來經過API使用AutoML 。

參考

• 如何使用ML.NET自動化機器學習API
• 使用CLI自動生成二進制分類器
• 機器學習模型生成器
• 如何安裝ML.NET命令行界面（CLI）工具
• 機器學習.Net樣本