Database
 sql >> база данни >  >> RDS >> Database

ML{.NET} Въведение

Машинното обучение (ML) идва от модна дума, която е хубаво да имате във вашето приложение, до задължителна функция, която работи и добавя стойност. Учените за данни разработват ML модели в различни ML Frameworks като TensorFlow, Scikit-learn, PyTorch, Azure ML и т.н. Преди ML.NET да стане достъпен за всички разработчици, добавянето на ML функционалност към .NET приложения изисква познания в някои ML рамки за изграждане и обучавайте ML модели. Това също изисква допълнително време и усилия за интегриране на този модел в .NET приложения.

ML.NET направи тази работа много по-лесна за .NET разработчиците с Model Builder, графично разширение на Visual Studio за изграждане, обучение и внедряване на персонализирани ML модели. Използвайки Model Builder на ML.NET и неговата функционалност AutoML, разработчиците, които нямат опит в машинното обучение, като мен, все още могат да разработват и използват ML модели за минути.

Относно ML.NET

Преди да се потопим в нашия пример, нека поговорим малко за историята на ML.NET и текущото му състояние.

ML.NET води началото си от изследователския проект на Microsoft от 2002 г., наречен TMSN, което означава „тестово търсене и навигация за копаене“. По-късно той е преименуван на TLC, „код за обучение“. ML.NET война, извлечена от библиотеката на TLC. Първоначално се използваше във вътрешни продукти на Microsoft.

Първата публично достъпна версия ML.NET 1.0 беше пусната през 2019 г. Тя включваше добавката Model Builder и възможности за AutoML (Автоматично машинно обучение).

Текущата версия е 1.6.0. Повече подробности за всички издания можете да намерите на официалната страница на ML.NET.

Някои задачи, които можем да изпълняваме с ML.NET, са:

– Анализ на настроенията

– Продуктова препоръка

– Ценова прогноза

– Сегментиране на клиенти

– Откриване на обекти

– Разкриване на измами

– Откриване на скокове в продажбите

– Класификация на изображения

– Прогнозиране на продажбите

Инсталиране и настройка

Минималната необходима версия на Visual Studio е 16.6.1. Следните стъпки се извършват на Visual Studio 16.9.2. По този начин, ако използвате различна версия, някои подробности може да са различни.

Инсталирайте ML.NET Model Builder

  • Отворете Visual Studio Installer
  • Проверете разработката на настолни компютри .NET опция
  • В десния панел разгънете .NET desktop development> разширете По избор > отметнете ML.NET Model Builder (предварителен преглед)

Забележка:ML.NET Model Builder е наличен в кросплатформената разработка на .NET опция.

Активиране на ML.NET Model Builder във Visual Studio

  • Отидете на Инструменти > Опции > Околна среда > Функции за визуализация
  • Проверете Активиране на ML.NET Model Builder квадратче за отметка

Изграждане на ML модел

Щракнете с десния бутон върху проекта и изберете Добавяне > Машинно обучение

Изберете сценарий

Изберете Класификация на текста – ще добавим проста функция за анализ на настроенията:

Изберете среда за обучение

В нашия случай това е локална машина.

Добавяне на данни

Ще използваме ZIP файл на набора от данни за изречения UCI Sentiment Labeled достъпно за изтегляне.

Изберете изхода, който искате да предвидите

В нашия случай това е втората колона, така че ще изберем col1 . Входните колони се избират автоматично, тъй като имаме само две налични колони.

Обучете модела

Изберете времето за тренировка и щракнете върху Стартиране на тренировка :

Изображенията по-долу показват изхода и резултатите от обучението:

Оценете модела

Ако влезем Джанис беше мила във входните примерни данни, изходът показва, че това изречение е положително със 100% сигурност:

Ако влезем Джанис беше груба във входните примерни данни, изходът показва, че това изречение не е положително със 100% сигурност:

Разгръщане и използване на ML модела

Всичко, което остава, е да използваме модела, който изграждаме в нашето приложение. Трябва да добавим препратка към нашия проект за ML модел.

Освен това трябва да инсталираме Microsoft.ML от NuGet.

Microsoft.ML поддържа само x64 и x86 архитектура на процесора. Затова се уверете, че сте избрали едно от тях, когато създавате приложението.

И това е всичко. Тук можем да видим нашия код в действие.

Заключение

Целият процес от инсталирането на ML.NET до първото приложение с функционалност на ML може да се извърши за няколко минути. Разбира се, това е много основен пример с единствената цел да се запознаете с рамката на ML.NET. Въпреки това, дори без предишен опит, бих могъл да създам приложение, което с някои корекции и подобрения действително може да работи в реален сценарий.

Въпреки това ML.NET е инструмент. Ще можете да го използвате по-ефективно с повече знания за алгоритмите и принципите за машинно обучение.

Благодарим ви, че се придържате до края и се надяваме, че ще се присъедините към нас в следващата статия за ML.NET.


  1. Database
  2.   
  3. Mysql
  4.   
  5. Oracle
  6.   
  7. Sqlserver
  8.   
  9. PostgreSQL
  10.   
  11. Access
  12.   
  13. SQLite
  14.   
  15. MariaDB
  1. Запалете се от Apache Spark – част 2

  2. Замяна на SQL курсори с алтернативи за избягване на проблеми с производителността

  3. Обединяване на файлове с данни със Statistica, част 1

  4. Как да преброите различни стойности в SQL

  5. Нивото на изолация на ангажимент за четене