ML.NET 决策树二元分类模型 入门

前置工作

要正常使用ML.NET,需要通过NuGet包管理其,引入如下NuGet包(图1,图2):

图1

图2

  除此之外,还需要准备数据源,本实例为通过身高,体重判断一个人的身材,数据需要三个字段,即身高,体重,是否身材好,本次文件格式为csv(图3,图4):

图3

图4

具体代码

  前置工作准备好后,我们开始具体编码的开发,首先创建输入数据实体类FigureData和,输入数据实体类FigureDatePredicted,其中[LoadColumn(0)] 特性指示该属性对应该条数据中的第几个数据, FigureDatePredicted类需要继承FigureData 便于调试(图5,图6):

图5

图6

 然后读取数据,并进行训练(图7)

图7

其中, separatorChar用来分割数据的字符,区分出数据中的不同字段TrainTestSplit(fulldata,testFraction:0.2)用来随机分割数据，分成学习数据和评估用的数据，本次取出20%用作测试。不通过分割，准备两个数据文件,一个用来训练、一个用来评估，也是可行的。

IDataView这个数据集就类似一个表格，它的列（Column）是可以动态增加的，一开始我们通过LoadFromTextFile获得的数据集包括：Height、Weight、Result这几个列，在进行训练之前，还要对这个数据集进行处理，形成符合要求的数据集。

Concatenate这个方法是把多个列，组合成一个列，因为二元分类的机器学习算法只接收一个特征列，所以要把多个特征列（Height、Weight）组合成一个特征列Features（组合的结果应该是个float数组）。

NormalizeMeanVariance是对列进行归一化处理，这里输入列为：Features，输出列为：FeaturesNormalizedByMeanVar。

数据集就绪以后，就要选择学习算法，针对二元分类，本次选择了快速决策树算法FastTree，执行时需要告诉这个算法特征值放在哪个列里面（FeaturesNormalizedByMeanVar），标签值放在哪个列里面（Result）。

链接数据处理管道和算法形成学习管道，将数据集中的数据逐一通过学习管道进行学习，形成机器学习模型。

有了这个模型就可以通过它进行实际应用了。但一般不会现在就使用这个模型，需要先评估一下这个模型，然后把模型保存下来。以后应用时再通过文件读取出模型，然后进行应用，这样就不用等待学习的时间了，通常学习的时间都比较长。

执行完成后,还需要对结果进行评估并保存(图8)

图8

 评估的过程就是对测试数据集进行批量转换（Transform），转换过的数据集会多出一个“PredictedLabel”的列，这个就是模型评估的结果，逐条将这个结果和实际结果（Result）进行比较，就最终形成了效果评估数据。

执行中可以打印这个评估结果，查看其成功率，一般成功率大于97%就是比较好的模型了。由于本次的数据比较整齐，所以我们这次评估的成功率为100%。

注意：评估过程不会提升现有的模型能力，只是对现有模型的一种检测。

 创建预测引擎的功能和Transform是类似的，不过Transform是处理批量记录，这里只处理一条数据，而且这里的输入输出是实体对象, test是我们要预测的对象，预测后打印出预测结果图(9):

图9

注:本文参考版本较为老旧,最新版本建议使用SdcaLogisticRegression