一、前言
ML.net可以让我们很容易地在各种应用场景中将机器学习加入到应用程序中。这是这个框架很重要的一点。
通过ML.net,我们可以使用手中的可用数据,进行预测、分析、检测,而不需要进行过于复杂的编程。
ML.net的核心,同样是机器学习模型。它采用同样的步骤,通过指定算法来训练模型,将输入数据转换为所需的预测数据。
更重要的是,ML.net基于.NET Core,这让它可以非常简单地跨平台,在Windows、Linux、MacOS上运行,并成为我们服务端的一部分内容。
回到今天的主题。
我们用实际的例子,完成一个通过历史销售数据进行单变量时序分析(单谱分析),以预测未来销量的需求。
为了防止不提供原网址的转载,特在这里加上原文链接:https://www.cnblogs.com/tiger-wang/p/13150021.html
二、开发环境&基础工程
这个Demo的开发环境是:Mac + VS Code + Dotnet Core 3.1.2。
$ dotnet --info
.NET Core SDK (reflecting any global.json):
Version: 3.1.201
Commit: b1768b4ae7
Runtime Environment:
OS Name: Mac OS X
OS Version: 10.15
OS Platform: Darwin
RID: osx.10.15-x64
Base Path: /usr/local/share/dotnet/sdk/3.1.201/
Host (useful for support):
Version: 3.1.3
Commit: 4a9f85e9f8
.NET Core SDKs installed:
3.1.201 [/usr/local/share/dotnet/sdk]
.NET Core runtimes installed:
Microsoft.AspNetCore.App 3.1.3 [/usr/local/share/dotnet/shared/Microsoft.AspNetCore.App]
Microsoft.NETCore.App 3.1.3 [/usr/local/share/dotnet/shared/Microsoft.NETCore.App]
首先,在这个环境下建立工程:
- 创建Solution
% dotnet new sln -o demo
The template "Solution File" was created successfully.
- 这次,我们用Console创建工程
% cd demo
% dotnet new console -o demo
The template "Console Application" was created successfully.
Processing post-creation actions...
Running 'dotnet restore' on demo/demo.csproj...
Determining projects to restore...
Restored demo/demo.csproj (in 143 ms).
Restore succeeded.
- 把工程加到Solution中
% dotnet sln add demo/demo.csproj
基础工程搭建完成。
三、引入ML.net库
为了使用ML.net,我们需要引入Microsoft.ML
库: