ML.NET 教程 - 10 分钟入门

Windows Linux macOS

使用模型

最后一步是在最终用户应用程序中使用经过训练的模型。

  1. 将 myMLApp 项目中的 Program.cs 代码替换为以下代码:

    Program.cs
    using MyMLApp;
// Add input data
var sampleData = new SentimentModel.ModelInput()
{
    Col0 = "This restaurant was wonderful."
};

// Load model and predict output of sample data
var result = SentimentModel.Predict(sampleData);

// If Prediction is 1, sentiment is "Positive"; otherwise, sentiment is "Negative"
var sentiment = result.PredictedLabel == 1 ? "Positive" : "Negative";
Console.WriteLine($"Text: {sampleData.Col0}\nSentiment: {sentiment}");

  2. 运行 myMLApp (选择“Ctrl+F5”或“调试”>“在不调试的情况下启动”)。应看到以下输出，内容为预测输入语句是正的还是负的。

    输出: 文本: 这个餐厅很棒。情绪: 积极

ML.NET CLI 生成了经过训练的模型和代码，因此现在可以按照以下步骤在 .NET 应用程序(例如，SentimentModel 控制台应用)中使用该模型:

  1. 在命令行中，导航到 consumeModelApp 目录。
    Command prompt
    cd SentimentModel

  2. 在任何代码编辑器中打开 Program.cs 然后检查代码。代码应如下所示:

    Program.cs
    using System;

namespace SentimentModel.ConsoleApp
{
    class Program
    {
        static void Main(string[] args)
        {
            // Add input data
            SentimentModel.ModelInput sampleData = new SentimentModel.ModelInput()
            {
              Col0 = @"Wow... Loved this place."
            };

            // Make a single prediction on the sample data and print results
            var predictionResult = SentimentModel.Predict(sampleData);

            Console.WriteLine("Using model to make single prediction -- Comparing actual Col1 with predicted Col1 from sample data...\n\n");


            Console.WriteLine($"Col0: @{"Wow... Loved this place."}");
            Console.WriteLine($"Col1: {1F}");


            Console.WriteLine($"\n\nPredicted Col1: {predictionResult.PredictedLabel}\n\n");
            Console.WriteLine("=============== End of process, hit any key to finish ===============");
            Console.ReadKey();
        }
    }
}

  3. 运行 SentimentModel.ConsoleApp。可以通过在终端中运行以下命令来执行此操作(请确保你位于 SentimentModel 中):

    Command prompt
    dotnet run

    输出应如下所示:

    Command prompt
    Using model to make single prediction -- Comparing actual Col1 with predicted Col1 from sample data...


Col0: Wow... Loved this place.
Col1: 1
Class                          Score
-----                          -----
1                              0.9651076
0                              0.034892436
=============== End of process, hit any key to finish ===============
继续