# ML.NET 简单使用

ML.NET是一个针对.NET开发人员使用的机器学习框架，使用它可以快速的搭建出一个sample。

# 下载安装VS应用扩展（ML.NET Model Builder）

目前 ML.NET Model Builder 处于预览状态

下载链接：http://aka.ms/mlnettemplates (opens new window)

# 创建一个 .NET Core 的控制台应用程序

官网强调项目和solution不能放在一个目录下，也还没试过放在一起会怎样。。

创建完项目后，右键项目点击 Add -> Machine Learning，之后VS的主界面会出现step-by-step的引导步骤，帮助你创建sample。

add-machine-learning

# 选择机器学习的模型

首先会让你选择训练的模型，目前该扩展提供了一些常见的模型（具体的应用场景），比如：语义分析（积极、消极）、GitHub Issue分类、价格预测等等。这里选择语义分析（Sentiment Analysis）

# 下载训练集数据

下载 wikipedia-detox-250-line-data.tsv (opens new window)，该文件的第一列表示 Label（预测结果），第二列表示 Feature（用来预测的根据）

在Model Builder里选择添加数据（目前支持本地文件和SQL Server），选择刚刚下载的 wikipedia-detox-250-line-data.tsv 文件。Column to predict (Label) 选择第一列 Sentiment，Input Column (Feature) 选择剩余的其他列（第二列）。点击 Train 进入下一步。

# 训练你的模型

Model Builder会根据已有的算法来对选择的模型进行评估，最终给出各个算法的比较以及最佳算法。

填入给Model Builder训练数据的时间（10 sec，如果是大一些的数据集，你应该设置一个更大的时间），点击开始训练。以下是训练过程中的指标

Status，训练状态，剩余时间，是否完成
Best accuracy，最好的拟合度
最优算法，原文是 “performed the best”（表现得最好），不知道是不是拟合度最高，或是其他的综合指标

点击 Evaluate 进入下一步

# 评估你的模型

这会列出Model Builder用了哪些算法来评估你的模型，包括总结和各个算法列表（最多5个）。你可在 Try your model 测试你的模型，输入文字，点击 Predict 来预测句子的情感。

点击 Code 进入下一步（让你能在程序中通过以调用方法的形式来用该训练模型预测语义）

# 生成相关代码

model-builder-generated-code

{myMLAppML}.ConsoleApp，控制台应用，ModelBuilder.cs：生成、训练，Program.cs：测试、运行模型
{myMLAppML}.Model，.NET Standard类库，ModelInput.cs, ModelOutput.cs 输入、输出，ConsumeModel.cs 被调用方法，MLModel.zip(trained serialized ML model，暂不知怎么去理解这个文件)

# 在程序中调用模型

在一开始的控制台应用（不是Model Builder生成的那个）的 Program.cs，替换成以下内容：

using System;
using MyMLAppML.Model;

namespace myMLApp
{
    class Program
    {
        static void Main(string[] args)
        {
            // Add input data
            var input = new ModelInput();
            input.SentimentText = "That is rude.";

            // Load model and predict output of sample data
            ModelOutput result = ConsumeModel.Predict(input);
            Console.WriteLine($"Text: {input.SentimentText}\nIs Toxic: {result.Prediction}");
        }
    }
}

运行，你就可以看到输出结果了。

# 其他

你现在可以尝试其他的模型，比如价格预测，对应的训练数据集：Taxi Fare dataset (opens new window)

原文：ML.NET Tutorial - Get started in 10 minutes (opens new window)

← Hangfire 使用 EFCore 连 MySQL →