Когда я был новичком в машинном обучении, мне было очень интересно создавать приложения с помощью машинного обучения. Я только что попробовал способы, которые позволяют мне создавать приложения ML без больших знаний алгоритмов ML. В этом блоге я просто поделюсь с вами одним из тех способов, которые позволяют легко создавать приложения машинного обучения.
Приложение будет построено с помощью ML.NET. для этого вам не нужны глубокие знания алгоритмов машинного обучения. На вашем компьютере должна быть установлена Visual Studio 2019, и убедитесь, что туда включен ML.NET Model Builder (предварительная версия). Если Visual Studio уже установлена, просто измените ее с помощью этой функции.
- Откройте новый проект.
2. Выберите консольное приложение (.NET Core).
3. Назовите свой проект как FirstMLApp и создайте проект.
4. Далее вам нужно включить построитель моделей ML.NET.
Выберите «Инструменты» > «Параметры» > «Среды» > «Просмотр функций» и выберите «Включить построитель моделей ML.NET».
5. Затем вам нужно добавить машинное обучение в свой проект. В обозревателе решений щелкните правой кнопкой мыши FirstMLApp и выберите «Добавить» -> «Машинное обучение».
Теперь вы добавили машинное обучение в свой проект.
6. Далее вам нужно выбрать сценарий. Здесь вам предоставляются различные параметры, такие как классификация текста, классификация изображений и т. д.…
Здесь я выбрал классификацию текста.
7. Далее вам нужно предоставить модели данные.
8. Я выбрал собственный набор данных, собранный для моего индивидуального проекта. В столбце набора данных 1 есть разные тексты, а столбец 2 указывает класс, к которому принадлежит текст. (Этот набор данных был собран для того, чтобы классифицировать эмоцию с текстом. Поэтому в столбце 2 указан класс эмоций, к которому относится соответствующий текст).
Выберите файл, содержащий ваш набор данных. Файл может быть .csv, .txt или. цв.
Затем вам нужно выбрать столбец для прогнозирования. Там вы должны указать столбец с классом или меткой. Остальные столбцы будут выбраны в качестве входных столбцов.
9. Теперь вы можете приступить к обучению модели машинного обучения.
10. Вы можете дать время, необходимое для обучения модели. Это зависит от набора данных.
11. После завершения обучения вы сможете убедиться в точности вашей модели.
12. Далее вы можете оценить свою модель. Дайте текст и предскажите . Ниже я предсказал текст «Я вне себя от радости», и модель выдала результат; 54% для класса «счастливый».
13. Добавьте код в проект с помощью Добавить проекты.
14. Перейдите на Progarm.cs и введите приведенный ниже код. Сначала создается объект Model Input с именем input. Затем Col0 ввода оценивается как «Я доволен». Затем прогноз для ввода переносится в результат и распечатывается.
Код —
используя Систему
с помощью FirstMLAppML.Model;
пространство имен myMLApp{
Программа курса{
static void Main(string[] args){
//Добавить входные данные
var input = new ModelInput();
input.Col0 = "Я доволен";
//Загружаем модель и прогнозируем вывод выборочных данных
Результат ModelOutput = ConsumeModel.Predict(input);
Console.WriteLine($”Text: {input.Col0}\nEmotion: {result.Prediction}”);
}
}
}
15. После запуска программы вы увидите следующее.
Наконец, вы получили приложение ML.