教程：将回归与 ML.NET 配合使用以预测价格
本教程演示如何使用 ML.NET 生成回归模型来预测价格，特别是纽约市的出租车费。
在本教程中，你将了解：
- 准备和了解数据
- 加载和转换数据
- 选择学习算法
- 定型模型
- 评估模型
- 使用预测模型
先决条件
- 已安装“.NET 桌面开发”工作负载的 Visual Studio 2022。
创建控制台应用程序
创建名为“TaxiFarePrediction”的 C# 控制台应用程序。
选择 .NET 6 作为要使用的框架。 单击“创建” 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。
安装“Microsoft.ML”和“Microsoft.ML.FastTree”NuGet 包 ：
注意
除非另有说明，否则本示例使用前面提到的 NuGet 包的最新稳定版本。
在“解决方案资源管理器”中，右键单击项目，然后选择“管理 NuGet 包” 。 选择“nuget.org”作为包源，然后选择“浏览”选项卡并搜索“Microsoft.ML”，在列表中选择包，再选择“安装”按钮 。 选择“预览更改” 对话框上的“确定” 按钮，如果你同意所列包的许可条款，则选择“接受许可” 对话框上的“我接受” 按钮。 对 Microsoft.ML.FastTree NuGet 包执行相同操作。
准备和了解数据
下载 taxi-fare-train.csv 和 taxi-fare-test.csv 数据集，并将它们保存到先前创建的“数据”文件夹。 我们使用这些数据集定型机器学习模型，然后评估模型的准确性。 这些数据集最初来自 NYC TLC 出租车行程数据集。
在“解决方案资源管理器”中，右键单击每个 *.csv 文件，然后选择“属性”。 在“高级”下，将“复制到输出目录”的值更改为“如果较新则复制” 。
打开“taxi-fare-train.csv”数据集并查看第一行中的列标题。 查看每个列。 了解数据并确定哪些列是“特征”以及哪些是“标签” 。
label 是要预测的列。 标识的 Features 是为模型提供的用来预测 Label 的输入。
提供的数据集包含以下列：
- vendor_id： 出租车供应商的 ID 是一项特征。
- rate_code： 出租车行程的费率类型是一项特征。
- passenger_count： 行程中的乘客人数是一项特征。
- trip_time_in_secs： 这次行程所花的时间。 希望在行程完成前预测行程费用。 当时并不知道行程有多长。 因此，行程时间不是一项特征，需要从模型删除此列。
- trip_distance： 行程距离是一项特征。
- payment_type： 付款方式（现金或信用卡）是一项特征。
- fare_amount： 支付的总出租车费用是一个标签。
创建数据类
创建输入数据和预测类：
在“解决方案资源管理器” 中，右键单击项目，然后选择“添加” >“新项” 。
在“添加新项”对话框中，选择“类”并将“名称”字段更改为“TaxiTrip.cs”。 然后，选择“添加”按钮。
将以下
using指令添加到新文件：using Microsoft.ML.Data;
删除现有类定义并向“TaxiTrip.cs”文件添加以下代码，其中有两个类 TaxiTrip 和 TaxiTripFarePrediction：
public class TaxiTrip
{
[LoadColumn(0)]
public string? VendorId;
[LoadColumn(1)]
public string? RateCode;
[LoadColumn(2)]
public float PassengerCount;
[LoadColumn(3)]
public float TripTime;
[LoadColumn(4)]
public float TripDistance;
[LoadColumn(5)]
public string? PaymentType;
[LoadColumn(6)]
public float FareAmount;
}
public class TaxiTripFarePrediction
{
[ColumnName("Score")]
public float FareAmount;
}
TaxiTrip 是输入数据类且具有针对每个数据集列的定义。 使用 LoadColumnAttribute 属性在数据集中指定源列的索引。
TaxiTripFarePrediction 类表示预测的结果。 它应用了单个浮动 FareAmount 字段，附带 ScoreColumnNameAttribute 属性。 对于回归任务，“分数”列包含预测的标签值。
注意
使用 float 类型来表示输入和预测数据类中的浮点值。
定义数据和模型路径
将以下附加的 using 语句添加到“Program.cs”文件顶部：
using Microsoft.ML;
using TaxiFarePrediction;
需要创建三个字段，用于保留有数据集的文件的路径，以及用于保存模型的文件的路径：
_trainDataPath包含具有用于定型模型的数据集的文件的路径。_testDataPath包含具有用于评估模型的数据集的文件的路径。_modelPath包含用于存储定型模型的文件的路径。
将以下代码添加到 using 部分下方，以指定这些路径和 _textLoader 变量：
string _trainDataPath = Path.Combine(Environment.CurrentDirectory, "Data", "taxi-fare-train.csv");
string _testDataPath = Path.Combine(Environment.CurrentDirectory, "Data", "taxi-fare-test.csv");
string _modelPath = Path.Combine(Environment.CurrentDirectory, "Data", "Model.zip");
所有 ML.NET 操作都从 MLContext 类开始。 初始化 mlContext 创建了新的 ML.NET 环境，可以在模型创建工作流对象之间共享。 从概念上讲，它与实体框架中的 DBContext 类似。
初始化变量
使用以下代码替换 Console.WriteLine("Hello World!") 行，以声明和初始化 mlContext 变量：
MLContext mlContext = new MLContext(seed: 0);
添加以下代码作为调用 Train 方法的下一行代码：
var model = Train(mlContext, _trainDataPath);
Train() 方法执行以下任务：
- 加载数据。
- 提取并转换数据。
- 定型模型。
- 返回模型。
Train 方法定型模型。 使用以下代码在下方创建该方法：
ITransformer Train(MLContext mlContext, string dataPath)
{
}
加载和转换数据
ML.NET 使用 IDataView 接口来灵活、有效地描述数字或文本表格数据。 IDataView 可以加载文本文件或进行实时加载（例如，SQL 数据库或日志文件）。 将以下代码添加为 Train() 方法的首行：
IDataView dataView = mlContext.Data.LoadFromTextFile<TaxiTrip>(dataPath, hasHeader: true, separatorChar: ',');
由于要预测出租车车费，FareAmount 列是将预测的 Label（模型的输出）。 使用 CopyColumnsEstimator 转换类以复制 FareAmount，并添加以下代码：
var pipeline = mlContext.Transforms.CopyColumns(outputColumnName: "Label", inputColumnName:"FareAmount")
定型模型的算法需要数字特性，所以必须将分类数据（VendorId、RateCode 和 PaymentType）值转换为数字（VendorIdEncoded、RateCodeEncoded 和 PaymentTypeEncoded）。 为此，请使用 OneHotEncodingTransformer 转换类（它将不同的数字键值分配到每列的不同值），并添加以下代码：
.Append(mlContext.Transforms.Categorical.OneHotEncoding(outputColumnName: "VendorIdEncoded", inputColumnName:"VendorId"))
.Append(mlContext.Transforms.Categorical.OneHotEncoding(outputColumnName: "RateCodeEncoded", inputColumnName: "RateCode"))
.Append(mlContext.Transforms.Categorical.OneHotEncoding(outputColumnName: "PaymentTypeEncoded", inputColumnName: "PaymentType"))
数据准备最后一步使用 mlContext.Transforms.Concatenate 转换类将所有功能列合并到“功能”列。 默认情况下，学习算法仅处理“特征”列的特征。 添加以下代码：
.Append(mlContext.Transforms.Concatenate("Features", "VendorIdEncoded", "RateCodeEncoded", "PassengerCount", "TripDistance", "PaymentTypeEncoded"))
选择学习算法
此问题关于预测纽约市的出租车车费。 从表面看，似乎只取决于行程距离。 但是，由于其他因素（比如额外的乘客或使用信用卡而非现金付款），纽约的出租车供应商收费不同。 你想要预测价格值，该值是基于数据集中的其他因素的实际值。 要执行此操作，请选择回归机器学习任务。
将 FastTreeRegressionTrainer 机器学习任务追加到数据转换定义中，方法是在 Train() 中添加以下代码作为下一行代码：
.Append(mlContext.Regression.Trainers.FastTree());
定型模型
使模型适合训练 dataview 并通过在 Train() 方法中添加以下代码行来返回训练的模型：
var model = pipeline.Fit(dataView);
Fit() 方法通过转换数据集并应用训练来训练模型。
使用 Train() 方法中的以下代码行返回训练的模型：
return model;
评估模型
接下来，使用测试数据评估模型性能，以确保质量和验证。 使用以下代码在 Train() 之后创建 Evaluate() 方法：
void Evaluate(MLContext mlContext, ITransformer model)
{
}
Evaluate 方法执行以下任务：
- 加载测试数据集。
- 创建回归计算器。
- 评估模型并创建指标。
- 显示指标。
使用以下代码在 Train 方法调用的下方添加对新方法的调用：
Evaluate(mlContext, model);
使用 LoadFromTextFile() 方法加载测试数据集。 使用此数据集作为质量检查评估模型，方法是在 Evaluate 方法中添加以下代码：
IDataView dataView = mlContext.Data.LoadFromTextFile<TaxiTrip>(_testDataPath, hasHeader: true, separatorChar: ',');
接下来，通过将以下代码添加到 Evaluate() 来转换 Test 数据：
var predictions = model.Transform(dataView);
Transform() 方法对测试数据集输入行进行预测。
RegressionContext.Evaluate 方法使用指定数据集计算 PredictionModel 的质量指标。 它返回一个 RegressionMetrics 对象，其中包含由回归计算器计算出的总体指标。
若要显示这些指标来确定模型质量，需要先获取指标。 将以下代码作为下一行添加到 Evaluate 方法中：
var metrics = mlContext.Regression.Evaluate(predictions, "Label", "Score");
获得预测集后，Evaluate() 方法会对模型进行评估，该模型会将预测值与测试数据集中的实际 Labels 进行比较，并返回有关模型执行情况的指标。
添加以下代码以评估模型并生成评估模型：
Console.WriteLine();
Console.WriteLine($"*************************************************");
Console.WriteLine($"* Model quality metrics evaluation ");
Console.WriteLine($"*------------------------------------------------");
RSquared 是回归模型的另一种评估指标。 RSquared 在 0 和 1 之间取值。 值越接近 1，模型就越好。 将以下代码添加到 Evaluate 方法以显示 RSquared 值：
Console.WriteLine($"* RSquared Score: {metrics.RSquared:0.##}");
RMS 是回归模型的一种评估指标。 指标越低，模型就越好。 将以下代码添加到 Evaluate 方法以显示 RMS 值：
Console.WriteLine($"* Root Mean Squared Error: {metrics.RootMeanSquaredError:#.##}");
使用预测模型
使用下面的代码紧随 Evaluate 方法后创建 TestSinglePrediction 方法：
void TestSinglePrediction(MLContext mlContext, ITransformer model)
{
}
TestSinglePrediction 方法执行以下任务：
- 创建测试数据的单个注释。
- 根据测试数据预测费用。
- 结合测试数据和预测进行报告。
- 显示预测结果。
使用以下代码在 Evaluate 方法调用的下方添加对新方法的调用：
TestSinglePrediction(mlContext, model);
使用 PredictionEngine 通过将以下代码添加到 TestSinglePrediction() 来预测车费：
var predictionFunction = mlContext.Model.CreatePredictionEngine<TaxiTrip, TaxiTripFarePrediction>(model);
PredictionEngine 是一个简便 API，可使用它对单个数据实例执行预测。 PredictionEngine 不是线程安全。 可以在单线程环境或原型环境中使用。 为了在生产环境中提高性能和线程安全，请使用 PredictionEnginePool 服务，这将创建一个在整个应用程序中使用的 PredictionEngine 对象的 ObjectPool。 请参阅本指南，了解如何在 ASP.NET Core Web API 中使用 PredictionEnginePool。
注意
PredictionEnginePool 服务扩展目前处于预览状态。
本教程使用此类中的一个测试行程。 稍后可以添加其他方案，以尝试使用此模型。 通过创建一个 TaxiTrip 实例，在 TestSinglePrediction() 方法中添加一个行程来测试定型模型的成本预测：
var taxiTripSample = new TaxiTrip()
{
VendorId = "VTS",
RateCode = "1",
PassengerCount = 1,
TripTime = 1140,
TripDistance = 3.75f,
PaymentType = "CRD",
FareAmount = 0 // To predict. Actual/Observed = 15.5
};
接下来，根据出租车行程数据的单个实例预测车费，并通过在 TestSinglePrediction() 方法中添加以下代码作为下一行代码将其传递给 PredictionEngine：
var prediction = predictionFunction.Predict(taxiTripSample);
Predict() 函数对单个数据实例进行预测。
若要显示指定行程的预测费用，请将下面的代码添加到 TestSinglePrediction 方法中：
Console.WriteLine($"**********************************************************************");
Console.WriteLine($"Predicted fare: {prediction.FareAmount:0.####}, actual fare: 15.5");
Console.WriteLine($"**********************************************************************");
运行此程序，查看测试用例的预测出租车费。
祝贺你！ 你已成功生成用于预测出租车费的机器学习模型、评估其准确性，并用其进行预测。 可以在 dotnet/samples GitHub 存储库中找到本教程的源代码。
后续步骤
在本教程中，你了解了如何执行以下操作：
- 准备和了解数据
- 创建学习管道
- 加载和转换数据
- 选择学习算法
- 定型模型
- 评估模型
- 使用预测模型
进入下一教程了解详细信息。
反馈
即将发布：在整个 2024 年，我们将逐步淘汰作为内容反馈机制的“GitHub 问题”，并将其取代为新的反馈系统。 有关详细信息，请参阅：https://aka.ms/ContentUserFeedback。
提交和查看相关反馈