写在前面
准备近期将微软的machinelearning-samples翻译成中文，水平有限，如有错漏，请大家多多指正。
如果有朋友对此感兴趣，可以加入我：https://github.com/feiyun0112/machinelearning-samples.zh-cn
鸢尾花分类
| ML.NET 版本 | API 类型 | 状态 | 应用程序类型 | 数据类型 | 场景 | 机器学习任务 | 算法 |
|---|---|---|---|---|---|---|---|
| v0.7 | 动态 API | 最新版本 | 控制台应用程序 | .txt 文件 | 鸢尾花分类 | 多类分类 | Sdca Multi-class |
在这个介绍性示例中，您将看到如何使用ML.NET来预测鸢尾花的类型。 在机器学习领域，这种类型的预测被称为多类分类。
问题
这个问题集中在根据花瓣长度，花瓣宽度等花的参数预测鸢尾花（setosa，versicolor或virginica）的类型。
为了解决这个问题，我们将建立一个ML模型，它有4个输入参数：
- petal length
- petal width
- sepal length
- sepal width
并预测该花属于哪种鸢尾花类型：
- setosa
- versicolor
- virginica
确切地说，模型将返回花属于每个类型的概率。
ML 任务 - 多类分类
多类分类的广义问题是将项目分类为三个或更多类别中的一个。 （将项目分类为两个类别之一称为二元分类）。
多类分类的其他例子包括：
- 手写数字识别：预测图像中包含10个数字（0～9）。
- 问题标记：预测问题属于哪个类别（UI，后端，文档）。
- 根据患者的测试结果预测疾病阶段。
所有这些例子的共同特点是我们要预测的参数可以取几个（超过两个）值中的一个。换句话说，这个值由enum表示，而不是由integer、float、double或boolean类型表示。
解决方案
为了解决这个问题，首先我们将建立一个ML模型。然后，我们将在现有数据上训练模型，评估其有多好，最后我们将使用该模型来预测鸢尾花类型。
1. 建立模型
建立模型包括:
- 使用
DataReader上传数据（iris-train.txt） - 创建一个评估器并将数据转换为一列，以便ML算法（使用
Concatenate）可以有效地使用它。 - 选择学习算法（
StochasticDualCoordinateAscent）。
初始代码类似以下内容：
// Create MLContext to be shared across the model creation workflow objects
// Set a random seed for repeatable/deterministic results across multiple trainings.
var mlContext = new MLContext(seed: 0);
// STEP 1: Common data loading configuration
var textLoader = IrisTextLoaderFactory.CreateTextLoader(mlContext);
var trainingDataView = textLoader.Read(TrainDataPath);
var testDataView = textLoader.Read(TestDataPath);
// STEP 2: Common data process configuration with pipeline data transformations
var dataProcessPipeline = mlContext.Transforms.Concatenate("Features", "SepalLength",
"SepalWidth",
"PetalLength",
"PetalWidth" );
// STEP 3: Set the training algorithm, then create and config the modelBuilder
var modelBuilder = new Common.ModelBuilder<IrisData, IrisPrediction>(mlContext, dataProcessPipeline);
// We apply our selected Trainer
var trainer = mlContext.MulticlassClassification.Trainers.StochasticDualCoordinateAscent(labelColumn: "Label", featureColumn: "Features");
modelBuilder.AddTrainer(trainer);
2. 训练
训练模型是在训练数据（已知鸢尾花类型）上运行所选算法以调整模型参数的过程。它在评估器对象中的Fit() 方法中实现。
为了执行训练，我们只需调用方法时传入在DataView对象中提供的训练数据集（iris-train.txt文件）。
// STEP 4: Train the model fitting to the DataSet
modelBuilder.Train(trainingDataView);
[...]
public ITransformer Train(IDataView trainingData)
{
TrainedModel = TrainingPipeline.Fit(trainingData);
return TrainedModel;
}
3. 评估模型
我们需要这一步来总结我们的模型对新数据的准确性。 为此，上一步中的模型针对另一个未在训练中使用的数据集（iris-test.txt）运行。 此数据集还包含已知的鸢尾花类型。
MulticlassClassification.Evaluate计算模型预测的值和已知类型之间差异的各种指标。
var metrics = modelBuilder.EvaluateMultiClassClassificationModel(testDataView, "Label");
Common.ConsoleHelper.PrintMultiClassClassificationMetrics(trainer.ToString(), metrics);
[...]
public MultiClassClassifierEvaluator.Result EvaluateMultiClassClassificationModel(IDataView testData, string label="Label", string score="Score")
{
CheckTrained();
var predictions = TrainedModel.Transform(testData);
var metrics = _mlcontext.MulticlassClassification.Evaluate(predictions, label: label, score: score);
return metrics;
}
要了解关于如何理解指标的更多信息，请参阅ML.NET指南 中的机器学习词汇表，或者使用任何有关数据科学和机器学习的可用材料.
如果您对模型的质量不满意，可以采用多种方法来改进，这将在examples类别中进行介绍。
4. 使用模型
在模型被训练之后，我们可以使用Predict() API来预测这种花属于每个鸢尾花类型的概率。
var modelScorer = new Common.ModelScorer<IrisData, IrisPrediction>(mlContext);
modelScorer.LoadModelFromZipFile(ModelPath);
var prediction = modelScorer.PredictSingle(SampleIrisData.Iris1);
Console.WriteLine($"Actual: setosa. Predicted probability: setosa: {prediction.Score[0]:0.####}");
Console.WriteLine($" versicolor: {prediction.Score[1]:0.####}");
Console.WriteLine($" virginica: {prediction.Score[2]:0.####}");
[...]
public TPrediction PredictSingle(TObservation input)
{
CheckTrainedModelIsLoaded();
return PredictionFunction.Predict(input);
}
在TestIrisData.Iris1中存储有关我们想要预测类型的花的信息。
internal class TestIrisData
{
internal static readonly IrisData Iris1 = new IrisData()
{
SepalLength = 3.3f,
SepalWidth = 1.6f,
PetalLength = 0.2f,
PetalWidth= 5.1f,
}
(...)
}