电子商务网站有哪些类型,北京做网站企业,十大编程语言,wordpress卡密销售通常#xff0c;为了在ML.NET中训练任何模型#xff0c;您将经历三个步骤#xff1a;弄清楚训练数据如何以IDataView形式进入ML.NET。将“学习管道”构建为一系列基本的“运算符”#xff08;估计器#xff09;。在管道上调用Fit以获得经过训练的模型。示例文件[1]:featur… 通常为了在ML.NET中训练任何模型您将经历三个步骤弄清楚训练数据如何以IDataView形式进入ML.NET。将“学习管道”构建为一系列基本的“运算符”估计器。在管道上调用Fit以获得经过训练的模型。示例文件[1]:feature_0;feature_1;feature_2;feature_3;feature_4;feature_5;feature_6;feature_7;feature_8;feature_9;feature_10;target
-2.75;0.77;-0.61;0.14;1.39;0.38;-0.53;-0.50;-2.13;-0.39;0.46;140.66
-0.61;-0.37;-0.12;0.55;-1.00;0.84;-0.02;1.30;-0.24;-0.50;-2.12;148.12
-0.85;-0.91;1.81;0.02;-0.78;-1.41;-1.09;-0.65;0.90;-0.37;-0.22;402.20
在上面的文件中最后一列第12列是我们预测的标签前面所有的都是特征。// 第一步将数据加载为IDataView。
// 首先我们定义加载器指定数据列以及它们在文本文件中的位置。
// 将数据加载到数据视图中。但是请记住加载器是延迟执行的所以实际加载将在访问数据时发生。
var trainData mlContext.Data.LoadFromTextFileRegressionData(dataPath,// 默认分隔符是tab但数据集使用分号。separatorChar: ;
);// 有时当数据要在某个地方多次使用时在首次访问后将数据缓存在内存中可以节省一些加载时间。缓存机制也是延迟执行的它只在使用后才缓存东西。用户可以用“cachedTrainData”替换“trainData”的所有后续用法。
// 我们仍然使用“trainData”因为提供相同缓存功能的缓存步骤将插入到所考虑的“管道”中。
var cachedTrainData mlContext.Data.Cache(trainData);// 第二步定义学习管道。// 我们用加载器的输出“启动”管道。
var pipeline // 首先“规范化”数据对于所有样本重新缩放到-1和1之间mlContext.Transforms.NormalizeMinMax(FeatureVector)// 我们增加了一个在内存中缓存数据的步骤使得下游的迭代训练算法能够有效地对数据进行多次扫描。否则下面的训练器将多次从磁盘加载数据。缓存机制使用按需策略。// 在任何下游步骤中访问的数据都将在首次使用后被缓存。通常您只需要在可训练步骤之前添加一个缓存步骤因为如果数据只扫描一次则缓存没有帮助。如果用户没有足够的内存来存储整个数据集则可以删除此步骤。请注意在上游Transforms.Normalize步骤中我们只扫描数据一次因此添加缓存步骤是没有帮助的。.AppendCacheCheckpoint(mlContext)// 添加SDCA回归训练器。.Append(mlContext.Regression.Trainers.Sdca(labelColumnName: Target, featureColumnName: FeatureVector));//第三步: 在管道上调用Fit
var model pipeline.Fit(trainData);
参考资料[1]示例文件: https://github.com/dotnet/machinelearning/blob/main/test/data/generated_regression_dataset.csv
