主要目的演示如何使用 ML.NET 为鸢尾花数据集构建聚类分析模型。了解ML.NET使用基本流程。
问题
问题的本质即基于花卉特征将鸢尾花数据归入不同的组。 这些特征包括:花萼的长度和宽度以及花瓣的长度和宽度。 需通过这些特征了解数据集的结构,并预测数据实例与此结构的拟合相似分类。
创建控制台应用程序
打开 Visual Studio。 从菜单栏中选择“文件” > “新建” > “项目”。 在“新项目”对话框中,依次选择“Visual C#”和“.NET Core”节点。 然后,选择“控制台应用程序(.NET Core)”项目模板。 在“名称”文本框中,键入“MLNet”,然后选择“确定”按钮 在项目中创建一个名为“数据”的目录来保存数据集和模型文件: 在“解决方案资源管理器”中,右键单击项目,然后选择“添加”...
5年前 (2019-05-27) 871℃ 0评论
0喜欢
ML.NET 是一个跨平台框架且允许.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。
ML.NET 由微软研究院研发,在过去的十年里发展成为一个重要的框架,它在微软的许多产品团队中都有使用,比如 Windows、必应、Azure 等等。
使用ML.NET可以解决哪些类型的问题
基于微软内部W...
5年前 (2019-05-26) 1369℃ 0评论
0喜欢
准确性
在分类中,准确性是正确分类的项数目除以测试集内的项总数。 范围从 0(最不准确)到 1(最准确)。 准确性是模型性能的评估指标之一。 将其与精度、撤回和 F 分数结合考虑。
曲线下面积 (AUC)
二元分类中的一项评估指标,即曲线下面积值,它绘制真阳性率(y 轴)与误报率(x 轴)进行对照。 范围从 0.5(最差)到 1(最佳)。 也称为 ROC 曲线下面积,即,接受者操作特征曲线。
二元分类
一个分类事例,其中标签仅为两个类中的一个。
分类
当使用这些数据来预测某一类别,监管式机器学习任务被称为“分类”。 二元分类指的是仅预测两个类别(例如,将图像划分为“猫”或“狗”图片)。 多类分类指的是预测多个类别(例如,当将图像划分为特定品种狗的图片)。
决定系数
回归中的一项评估指标,表明数据与模型的匹配程度。 范围从 0 ...
6年前 (2019-04-29) 679℃ 0评论
0喜欢