开源的，跨平台的.NET机器学习框架ML.NET

Posted 2021-04-20 移动开发和人工智能

微软在Build 2018大会上推出的一款面向.NET开发人员的开源，跨平台机器学习框架ML.NET。 ML.NET将允许.NET开发人员开发他们自己的模型，并将自定义ML集成到他们的应用程序中，而无需事先掌握开发或调整机器学习模型的专业知识。在采用通用机器学习语言（如R和Python）开发的模型，并将它们集成到用C＃等语言编写的企业应用程序中需要付出相当大的努力。ML.NET填平了机器学习专家和软件开发者之间的差距，从而使得机器学习的平民化，即使没有机器学习背景的人们能够建立和运行模型。通过为.NET创建高质量的机器学习框架，微软已经使得将机器学习转化为企业（或通过Xamarin移动应用程序）变得更容易。这是一种使机器学习更加可用的形式。

使用ML.NET可以解决哪些类型的问题？

基于微软内部Windows，Bing和Azure等主要微软产品使用多年的机器学习构建的库目前处于预览阶段，最新版本是0.2 。该框架目前支持的学习模型包括

• K-Means聚类

• 逻辑回归

• 支持向量机

• 朴素贝叶斯

• 随机森林

• 增强树木

其他技术，如推荐引擎和异常检测，正在开发的路线图上。ML.NET将最终将接口暴露给其他流行的机器学习库，如TensorFlow，CNTK和Accord.NET。最后，还会有一些工具和语言增强功能，包括Azure和GUI / Visual Studio功能中的扩展功能。

如何在应用程序中使用ML.NET？

ML.NET以NuGet包的形式提供，可以轻松安装到新的或现有的.NET应用程序中。

该框架采用了用于其他机器学习库（如scikit-learn和Apache Spark MLlib）的“管道(LearningPipeline)”方法。数据通过多个阶段“传送”以产生有用的结果（例如预测）。典型的管道可能涉及

1. 加载数据

2. 转换数据

3. 特征提取/工程

4. 配置学习模型

5. 培训模型

6. 使用训练好的模型（例如获得预测）

管道为使用机器学习模型提供了一个标准API。这使得在测试和实验过程中更容易切换一个模型。它还将建模工作分解为定义明确的步骤，以便更容易理解现有代码。scikit-learn库实现了很多机器学习算法，我们可以多多参考scikit-learn ：http://sklearn.apachecn.org/cn/0.19.0/index.html 

ML.NET机器学习管道的核心组件：

• ML数据结构（例如IDataView，LearningPipeline）

• TextLoader（将数据从分隔文本文件加载到LearningPipeline）

• 转换（以获得正确格式的数据进行训练）：

• 处理/特征化文本： TextFeaturizer

• 架构modifcation： ，ColumnConcatenator，ColumnSelector和ColumnDropper

• 使用分类特征：CategoricalOneHotVectorizer和CategoricalHashOneHotVectorizer

• 处理丢失的数据： MissingValueHandler

• 过滤器：RowTakeFilter，RowSkipFilter，RowRangeFilter

• 特性选择：FeatureSelectorByCount和FeatureSelectorByMutualInformation

• 学习算法（用于训练机器学习模型）用于各种任务：

• 二元分类：FastTreeBinaryClassifier，StochasticDualCoordinateAscentBinaryClassifier，AveragedPerceptronBinaryClassifier，BinaryLogisticRegressor，FastForestBinaryClassifier，LinearSvmBinaryClassifier，和GeneralizedAdditiveModelBinaryClassifier

• 多类分类：StochasticDualCoordinateAscentClassifier，LogisticRegressor，和NaiveBayesClassifier

• 回归：FastTreeRegressor，FastTreeTweedieRegressor，StochasticDualCoordinateAscentRegressor，OrdinaryLeastSquaresRegressor，OnlineGradientDescentRegressor，PoissonRegressor，和GeneralizedAdditiveModelRegressor

• 评估器（检查模型的工作情况）：

• 对于二元分类： BinaryClassificationEvaluator

• 对于多类分类： ClassificationEvaluator

• 对于回归： RegressionEvaluator

在构建机器学习模型时，首先需要定义您希望通过数据实现的目标。之后，您可以针对您的情况选择正确的机器学习任务。以下列表描述了您可以选择的不同机器学习任务以及一些常见用例。

二元分类

二元分类属于 监督学习，用于预测数据的一个实例属于哪些两个类（类别）任务。分类算法的输入是一组标记示例，其中每个标记都是0或1的整数。二进制分类算法的输出是一个分类器，您可以使用该分类器来预测新的未标记实例的类。二元分类场景的例子包括：

• 将Twitter评论的情绪理解为“积极”或“消极”。

• 诊断患者是否患有某种疾病。

• 决定将电子邮件标记为“垃圾邮件”。

• 如果交易日是上涨日或下跌日

• 手写数字识别

• 语音识别

• 图像识别

有关更多信息，请参阅Wikipedia上的二元分类 文章。

多类分类

多元分类属于 监督学习，用于预测的数据的实例的类（类别）的任务。分类算法的输入是一组标记示例。每个标签都是0到k-1之间的整数，其中k是类的数量。分类算法的输出是一个分类器，您可以使用它来预测新的未标记实例的类。多类分类方案的例子包括：

• 确定一只狗的品种为“西伯利亚雪橇犬”，“金毛猎犬”，“贵宾犬”等。

• 将电影评论理解为“正面”，“中性”或“负面”。

• 将酒店评论归类为“位置”，“价格”，“清洁度”等。

有关更多信息，请参阅Wikipedia上的多类分类文章。

分类步骤设置：

1. 首先定义问题

2. 然后，您将以名为Features的数字属性的形式表示您的数据。这对于已经分类的训练数据和将来需要分类的测试数据都是这样做的

3. 您将获取训练数据并将其输入分类算法以训练模型

4. 将需要分类的新实例或采取测试数据并将其传递给分类器进行分类

聚类

聚类属于无监督机器学习，用于数据的一组实例为包含类似特征的簇的任务。聚类还可用于识别数据集中的关系，这些关系可能不是通过浏览或简单观察而在逻辑上得出的。聚类算法的输入和输出取决于所选择的方法。您可以采用分布、质心、连通性或基于密度的方法。ML.NET目前支持使用K-Means聚类的基于质心的方法。聚类场景的例子包括：

• 根据酒店选择的习惯和特点了解酒店客人群体。

• 识别客户群和人口统计信息，以帮助构建有针对性的广告活动。

• 根据制造指标对库存进行分类。

• 根据房屋类型，价值和地理位置确定一组房屋

• 地震震中确定危险区域

聚类设置步骤：

1. 你会从问题陈述开始，问题陈述是需要聚集的数据集

2. 然后，您将使用功能在该数据集中表示点。

3. 这里没有训练这一步，不需要学习

4. 您直接将数据提供给聚类算法以查找最终的聚类，而无需任何训练步骤

回归

回归是 监督的机器学习，用于从一组相关的功能预测标签的值。标签可以具有任何实际价值，并且不像分类任务那样来自有限的一组值。回归算法对标签对其相关特征的依赖性进行建模，以确定标签随着特征值的变化而如何变化。回归算法的输入是一组具有已知值标签的示例。回归算法的输出是一个函数，您可以使用该函数来预测任何新的输入要素集的标注值。回归情景的例子包括：

• 根据房屋属性（如卧室数量，位置或大小）预测房价。

• 根据历史数据和当前市场趋势预测未来股价。

• 根据广告预算预测产品的销售情况。

异常检测（即将推出）

排名（即将推出）

推荐（即将推出）

---