ML.NET 教程 - 10 分钟入门

生成代码

训练完成后,4 个文件将作为代码隐藏自动添加到 SentimentModel.mbconfig 中:

  • SentimentModel.consumption.cs: 此文件包含模型输入和输出类以及可用于模型消耗的 Predict 方法。
  • SentimentModel.evaluate.cs: 此文件包含 CalculatePFI 方法,该方法使用排列特征重要性(PFI)技术来评估哪些特征对模型预测贡献最大。
  • SentimentModel.mlnet: 该文件是经过训练的 ML.NET 模型,它是一个序列化的 zip 文件。
  • SentimentModel.training.cs: 此文件包含用于了解输入列对模型预测的重要性的代码。

Visual Studio 解决方案资源管理器

在 Model Builder 的 Consume 步骤中,提供了一个代码片段,用于为模型创建样本输入并使用模型对该输入进行预测。

Model Builder 还提供了项目模板,可以选择将其添加到解决方案中。有两个项目模板(一个控制台应用和一个 Web API)使用经过训练的模型。

Model Builder的使用窗口

ML.NET CLI 添加了机器学习模型以及用于训练和使用模型的代码,其中包括以下内容:

  • 已创建名为 SentimentModel 的新目录,它包含 .NET 控制台应用,此应用包括以下文件:
    • Program.cs: 此文件包含用于运行模型的代码。
    • SentimentModel.consumption.cs: 此文件包含模型输入和输出类以及可用于模型消耗的 Predict 方法。
    • SentimentModel.mbconfig: 此文件是一个 JSON 文件,用于跟踪训练中的配置和结果。
    • SentimentModel.training.cs: 此文件包含用于训练最终模型的训练管道(数据转换、算法和算法参数)。
    • SentimentModel.zip: 该文件是经过训练的 ML.NET 模型,它是一个序列化的 zip 文件。

若要尝试该模型,可以运行控制台应用来使用模型预测单个语句的情绪。

继续