public void Ml()
{
var mlContext = new MLContext();
// Если работаете в Visual Studio, убедитесь, что параметр 'Copy to Output Directory'
// iris-data.txt установлен как 'Copy always'
var reader = mlContext.Data.CreateTextReader <InputData>(separatorChar: '}', hasHeader: true);
Microsoft.ML.Data.IDataView trainingDataView = reader.Read(path: @"C:\Users\Admin\source\repos\CHAKATON\Alpha.netf\ML\new.txt");
// Шаг 3: Преобразуйте свои данные и добавьте learner
// Присвойте числовые значения тексту в столбце «label», потому что только
// числа могут быть обработаны во время обучения модели.
// Добавьте обучающий алгоритм в pipeline. Например (What type of iris is this?)
// Преобразовать label обратно в исходный текст (после преобразования в число на шаге 3)
var pipeline = mlContext.Transforms.Concatenate("IndustryOrg", "Region", "SmallIndustryOrg");
// Шаг 4: обучите модель на этом дата-сете
var model = pipeline.Fit(trainingDataView);
// Шаг 5: используйте модель для предсказания
// Вы можете изменить эти цифры, чтобы проверить разные прогнозы
var prediction = model.CreatePredictionEngine <InputData, OptionCarePrediction>(mlContext).Predict(
new InputData()
{
IndustryOrg = "Автомобильная промышленность [246]",
Region = "Тамбовская область",
SmallIndustryOrg = "Производство автотранспортных средств",
});
Console.WriteLine($"Predicted flower type is: {prediction.PredictedLabels}");
}
public ExtendedCacheTransform(IHostEnvironment env, Arguments args, IDataView input)
: base(env, RegistrationName, input)
{
Host.CheckValue(args, "args");
Host.CheckUserArg(args.inDataFrame || !string.IsNullOrEmpty(args.cacheFile), "cacheFile cannot be empty if inDataFrame is false.");
Host.CheckUserArg(!args.async || args.inDataFrame, "inDataFrame must be true if async is true.");
Host.CheckUserArg(!args.numTheads.HasValue || args.numTheads > 0, "numThread must be > 0 if specified.");
var saverSettings = args.saverSettings as ICommandLineComponentFactory;
Host.CheckValue(saverSettings, nameof(saverSettings));
_saverSettings = string.Format("{0}{{{1}}}", saverSettings.Name, saverSettings.GetSettingsString());
_saverSettings = _saverSettings.Replace("{}", "");
if (!_saverSettings.ToLower().StartsWith("binary"))
{
throw env.ExceptNotSupp("Only binary format is supported.");
}
_inDataFrame = args.inDataFrame;
_cacheFile = args.cacheFile;
_reuse = args.reuse;
_async = args.async;
_numThreads = args.numTheads;
var saver = ComponentCreation.CreateSaver(Host, _saverSettings);
if (saver == null)
{
throw Host.Except("Cannot parse '{0}'", _saverSettings);
}
_pipedTransform = CreatePipeline(env, input);
}
static void Main(string[] args)
{
// Шаг 2: создание среды ML.NET
var mlContext = new MLContext();
// Если работаете в Visual Studio, убедитесь, что параметр 'Copy to Output Directory'
// iris-data.txt установлен как 'Copy always'
var reader = mlContext.Data.CreateTextReader <IrisData>(separatorChar: ',', hasHeader: true);
Microsoft.ML.Data.IDataView trainingDataView = reader.Read("iris.data");
// Шаг 3: Преобразуйте свои данные и добавьте learner
// Присвойте числовые значения тексту в столбце «label», потому что только
// числа могут быть обработаны во время обучения модели.
// Добавьте обучающий алгоритм в pipeline. Например (What type of iris is this?)
// Преобразовать label обратно в исходный текст (после преобразования в число на шаге 3)
var pipeline = mlContext.Transforms.Conversion.MapValueToKey("Label")
.Append(mlContext.Transforms.Concatenate("Features", "SepalLength", "SepalWidth", "PetalLength", "PetalWidth"))
.Append(mlContext.MulticlassClassification.Trainers.StochasticDualCoordinateAscent(labelColumn: "Label", featureColumn: "Features"))
.Append(mlContext.Transforms.Conversion.MapKeyToValue("PredictedLabel"));
// Шаг 4: обучите модель на этом дата-сете
var model = pipeline.Fit(trainingDataView);
// Шаг 5: используйте модель для предсказания
string input = string.Empty;
string exit = String.Empty;
while (exit != "x")
{
Console.Clear();
Console.WriteLine("Enter data:");
input = Console.ReadLine();
string[] arr = input.Split(',');
float a = float.Parse(arr[0], CultureInfo.InvariantCulture.NumberFormat);
float b = float.Parse(arr[1], CultureInfo.InvariantCulture.NumberFormat);
float c = float.Parse(arr[2], CultureInfo.InvariantCulture.NumberFormat);
float d = float.Parse(arr[3], CultureInfo.InvariantCulture.NumberFormat);
var prediction = model.CreatePredictionEngine <IrisData, IrisPrediction>(mlContext).Predict(
new IrisData()
{
SepalLength = a,
SepalWidth = b,
PetalLength = c,
PetalWidth = d,
});
Console.WriteLine($"Predicted flower type is: {prediction.PredictedLabels}");
Console.WriteLine($"Press \"x\" to exit, any other for continue.");
exit = Console.ReadLine();
}
}
public SortInDataFrameState(IHostEnvironment host, IDataView input, int sortColumn, bool reverse, int?numThreads)
{
_host = host.Register("SortInDataFrameState");
_host.CheckValue(input, "input");
_source = input;
_reverse = reverse;
_lock = new object();
_autoView = null;
_canShuffle = sortColumn < 0;
_numThreads = numThreads;
_sortColumn = sortColumn;
}
/// <summary>
/// Creation of the pipeline knowing parameters _inDataFrame, _cacheFile, _reuse.
/// </summary>
protected IDataTransform CreatePipeline(IHostEnvironment env, IDataView input)
{
if (_inDataFrame)
{
if (_async)
{
var view = new CacheDataView(env, input, null);
var tr = new PassThroughTransform(env, new PassThroughTransform.Arguments(), view);
return(tr);
}
else
{
var args = new SortInDataFrameTransform.Arguments()
{
numThreads = _numThreads, sortColumn = null
};
var tr = new SortInDataFrameTransform(env, args, input);
return(tr);
}
}
else
{
string nt = _numThreads > 0 ? string.Format("{{t={0}}}", _numThreads) : string.Empty;
using (var ch = Host.Start("Caching data..."))
{
if (_reuse && File.Exists(_cacheFile))
{
ch.Info(MessageSensitivity.UserData, "Reusing cache '{0}'", _cacheFile);
}
else
{
ch.Info(MessageSensitivity.UserData, "Building cache '{0}'", _cacheFile);
var saver = ComponentCreation.CreateSaver(env, _saverSettings);
using (var fs0 = Host.CreateOutputFile(_cacheFile))
DataSaverUtils.SaveDataView(ch, saver, input, fs0, true);
}
}
var loader = ComponentCreation.CreateLoader(env, string.Format("binary{{{0}}}", nt),
new MultiFileSource(_cacheFile));
SchemaHelper.CheckSchema(Host, input.Schema, loader.Schema);
var copy = ComponentCreation.CreateTransform(env, "skip{s=0}", loader);
return(copy);
}
}
public SortInDataFrameTransform(IHostEnvironment env, Arguments args, IDataView input)
: base(env, RegistrationName, input)
{
Host.CheckValue(args, "args");
Host.CheckUserArg(!args.numThreads.HasValue || args.numThreads.Value > 0, "numThreads cannot be negative.");
if (!string.IsNullOrEmpty(args.sortColumn))
{
var schema = input.Schema;
int index = SchemaHelper.GetColumnIndex(schema, args.sortColumn);
var type = schema[index].Type;
Host.Check(!type.IsVector(), "sortColumn cannot be a vector.");
}
_reverse = args.reverse;
_sortColumn = args.sortColumn;
_numThreads = args.numThreads;
_transform = CreateTemplatedTransform();
}
private SortInDataFrameTransform(IHost host, ModelLoadContext ctx, IDataView input) : base(host, input)
{
Host.CheckValue(input, "input");
Host.CheckValue(ctx, "ctx");
_sortColumn = ctx.Reader.ReadString();
Host.AssertValue(_sortColumn);
var schema = input.Schema;
int index = SchemaHelper.GetColumnIndex(schema, _sortColumn);
var type = schema[index].Type;
Host.Check(!type.IsVector(), "sortColumn cannot be a vector.");
_reverse = ctx.Reader.ReadBoolean();
_numThreads = ctx.Reader.ReadInt32();
if (_numThreads < 0)
{
_numThreads = null;
}
_transform = CreateTemplatedTransform();
}
private ExtendedCacheTransform(IHost host, ModelLoadContext ctx, IDataView input) :
base(host, input)
{
Host.CheckValue(input, "input");
Host.CheckValue(ctx, "ctx");
_inDataFrame = ctx.Reader.ReadBoolean();
_async = ctx.Reader.ReadBoolean();
_numThreads = ctx.Reader.ReadInt32();
host.Check(_numThreads > -2, "_numThreads");
if (_numThreads < 0)
{
_numThreads = null;
}
_saverSettings = ctx.Reader.ReadString();
if (_inDataFrame)
{
_cacheFile = null;
_reuse = false;
}
else
{
_cacheFile = ctx.Reader.ReadString();
_reuse = ctx.Reader.ReadBoolean();
host.CheckValue(_cacheFile, "_cacheFile");
}
var saver = ComponentCreation.CreateSaver(Host, _saverSettings);
if (saver == null)
{
throw Host.Except("Cannot parse '{0}'", _saverSettings);
}
_pipedTransform = CreatePipeline(host, input);
}
public static SortInDataFrameTransform Create(IHostEnvironment env, ModelLoadContext ctx, IDataView input)
{
Contracts.CheckValue(env, "env");
var h = env.Register(RegistrationName);
h.CheckValue(ctx, "ctx");
h.CheckValue(input, "input");
ctx.CheckAtModel(GetVersionInfo());
return(h.Apply("Loading Model", ch => new SortInDataFrameTransform(h, ctx, input)));
}
