C⻠はML.Netを使って人工知能予測を完成します。


前言
Visual Studio 2019 PreviewではグラフィカルインターフェースのML.Netを提供していますので、Visual Studio 2019 Previewをインストールすれば簡単にML.Netが使えます。私のパソコンはすでにVisual Studio 2019をインストールしていますので、Visual Studio 2019 Previewをインストールする必要はありません。更新すればいいです。
インストール
まずVisual Studio Installerのインストールパッケージを見つけました。

運転して、次のように選択します。

プロジェクトを作成
私たちは新しいプロジェクトを作成します。

そして選択します。

それから機械を加えて勉強します。

機械をクリックして勉強する時、もしMLNETモデルの作成機能を開けていないなら、ヒントを出します。
もちろん手動でオプションで開くこともできます。

【機械学習】をクリックすると、グラフィック画面があります。

それから,意味認識,画像認識,数値予測などのいくつかのスキームを提供することを見ることができる。
数値予測を選択して次のステップに進みます。

環境ページでローカルトレーニングを選択し、次のステップをクリックしてデータを取得します。

ここではデータソースを選ぶ必要があります。公式サイトで利用可能なテストデータソースをダウンロードしてきます。
ここで【製品販売データ】をダウンロードします。
シナリオ

データ
Label
特徴
カテゴリ
予測販売異常
製品販売データ
製品売上高

 
ウェブサイトのレビューの気分を予測します。
公式サイト
ラベル(マイナス感情は0、プラス感情は1)
コメント、年
 
クレジットカード詐欺取引の予測
クレジットカードデータ
類(詐欺性がある場合は1、さもなければ0)
金額は、V 1-V 28(匿名処理後の特徴)
 
予測GitHubライブラリにおける問題の種類
GitHub問題データ
エリア
タイトル、説明
値予測
タクシーの料金を予測します。
タクシー料金データ
交通費
ストローク
画像の分類
花卉の種類を予測する
花卉画像
花の種類:雛菊、タンポポ、バラ、ひまわり、チューリップ
画像データ自体
アドバイス
他人の好きな映画を予測する
映画の採点
ユーザー、映画
格付け
予測データファイルを選択したら、予測する列を設定して、トレーニングをクリックします。

トレーニング画面は以下の通りです。

トレーニングをクリックして、約2分で訓練が完了しました。出力画面は下記の内容を出力します。

訓練が完了したら、次の図のようになります。

私たちはクリックして評価します。

上記の図のように、1月の販売データは262.8と予測されています。
コードをクリックして、ML.Netコードをソリューションに追加します。

ML.Netコードを追加したら、次の図のようになります。

生成されたMLNetConsolie ML.sosolipプロジェクトはエントリ項目であり、Main関数は以下の通りである。

static void Main(string[] args)
{
  // Create single instance of sample data from first line of dataset for model input
  ModelInput sampleData = new ModelInput()
  {
    Month = @"1-Jan",
  };
​
  // Make a single prediction on the sample data and print results
  var predictionResult = ConsumeModel.Predict(sampleData);
​
  Console.WriteLine("Using model to make single prediction -- Comparing actual ProductSales with predicted ProductSales from sample data...

"); Console.WriteLine($"Month: {sampleData.Month}"); Console.WriteLine($"

Predicted ProductSales: {predictionResult.Score}

"); Console.WriteLine("=============== End of process, hit any key to finish ==============="); Console.ReadKey(); }
私たちが予測しているのはMonth=@「1-Jan」です。
ModelBuiderファイルを開くと、ここで最初からデータアドレスとモデルアドレスが配置されています。

ここに来てください。ML.Netは初歩的に使うことができますが、以下にGIFの公式サイトの写真を提供します。皆さんの参考にしてください。

訓練が長い
モデル生成器はAutoMLを用いて複数のモデルをブラウズして,性能の最適なモデルを調べた。
より長いトレーニングサイクルは、AutoMLがより多くの設定を通してより多くのモデルを閲覧することを可能にする。
以下の表では、ローカルコンピュータでの例示的なデータセットのための良いパフォーマンスを得るためにかかる平均時間をまとめました。
データセットのサイズ
訓練の平均時間
0-10 MB
10秒
10-100 MB
10分
100-500 MB
30分です
500-1 GB
60分
1 GB以上
3時間以上
--------------------------------------------------
参考URL:https://docs.microsoft.com/zh-cn/dotnet/machine-learning/automate-training-with-model-builder
--------------------------------------------------
ここでC(※)を使ってML.Netを使って人工知能予測の基本的な使い方を紹介しました。
コードはすでにGithubに届きました。ダウンロードしてください。
Githubアドレス:https://github.com/kiba518/MLNetConsole
ここでC萼がML.Netを使って人工知能の予測を完成した文章について紹介します。もっと関連しているC璣人工知能の予測内容は以前の文章を検索してください。または下記の関連記事を引き続きご覧ください。これからもよろしくお願いします。