教學課程：使用具有 ML.NET 的多類別分類來分類支援問題

此範例教學課程會示範使用 ML.NET，透過使用 Visual Studio 中 C# 的 .NET Core 主控台應用程式，建立 GitHub 問題分類器，來定型分類及預測 GitHub 問題 Area 標籤的模型。

在本教學課程中，您會了解如何：

• 準備您的資料
• 轉換資料
• 將模型定型
• 評估模型
• 使用訓練過的模型預測
• 使用已載入的模型部署和預測

您可以在 dotnet/samples 存放庫中找到本教學課程的原始程式碼。

必要條件

• 已安裝 「.NET Desktop Development」 工作負載的Visual Studio 2022。
• GitHub 問題索引標籤分隔檔案 (issues_train.tsv) 。
• GitHub 發出測試索引標籤分隔檔案 (issues_test.tsv) 。

建立主控台應用程式

建立專案

1. 建立名為 「GitHubIssueClassification」 的 C# 主控台應用程式 。 選取 [下一步]。

2. 選擇 [.NET 7] 作為要使用的架構。 選取 [建立]。

3. 在專案中建立名為 Data 的目錄，以儲存資料集檔案：

   在 [方案總管] 中，於您的專案上按一下滑鼠右鍵，然後選取 [新增]>[新增資料夾]。 輸入 「Data」，然後按 Enter。

4. 在您的專案中建立名為 Models 的目錄，以儲存您的模型：

   在 [方案總管] 中，於您的專案上按一下滑鼠右鍵，然後選取 [新增]>[新增資料夾]。 輸入 「Models」，然後按 Enter鍵。

5. 安裝「Microsoft.ML NuGet 套件」：

   注意

   除非另有說明，否則此樣本會使用所提及 NuGet 封裝的最新穩定版本。

   在 [方案總管] 中，於您的專案上按一下滑鼠右鍵，然後選取 [管理 NuGet 套件]。 選擇 "nuget.org" 作為 [套件來源]、選取 [瀏覽] 索引標籤、搜尋 Microsoft.ML、並選取 [安裝] 按鈕。 在 [預覽變更] 對話方塊上，選取 [確定] 按鈕，然後在 [授權接受] 對話方塊上，如果您同意所列套件的授權條款，請選取 [我接受]。

準備您的資料

1. 下載 issues_train.tsv 和 issues_test.tsv 資料集，並將其儲存至您先前建立的 Data 資料夾。 第一個資料集會將機器學習模型定型，第二個資料集則可用來評估您模型的準確率。

2. 在 方案總管中，以滑鼠右鍵按一下每個 *.tsv 檔案，然後選取 [屬性]。 在 [進階] 底下，將 [複製到輸出目錄] 的值變更為 [有更新時才複製]。

建立類別及定義路徑

在 Program.cs 檔案頂端新增下列額外的 using 陳述式：

using Microsoft.ML;
using GitHubIssueClassification;

建立三個全域欄位來保留近期下載檔案的路徑，以及 MLContext、DataView 和 PredictionEngine 的全域變數：

• _trainDataPath 包含用來將模型定型的資料集路徑。
• _testDataPath 包含用來評估模型的資料集路徑。
• _modelPath 包含用來儲存定型模型的路徑。
• _mlContext 是提供處理內容的 MLContext。
• _trainingDataView 是用來處理定型資料集的 IDataView。
• _predEngine 是用於單一預測的 PredictionEngine<TSrc,TDst>。

將下列程式碼新增至 using 語句正下方的程式碼，以指定這些路徑和其他變數：

string _appPath = Path.GetDirectoryName(Environment.GetCommandLineArgs()[0]) ?? ".";
string _trainDataPath = Path.Combine(_appPath, "..", "..", "..", "Data", "issues_train.tsv");
string _testDataPath = Path.Combine(_appPath, "..", "..", "..", "Data", "issues_test.tsv");
string _modelPath = Path.Combine(_appPath, "..", "..", "..", "Models", "model.zip");

MLContext _mlContext;
PredictionEngine<GitHubIssue, IssuePrediction> _predEngine;
ITransformer _trainedModel;
IDataView _trainingDataView;

為輸入資料和預測建立一些類別。 將新類別新增至專案：

1. 在 [方案總管] 中，以滑鼠右鍵按一下專案，然後選取 [新增]>[新項目]。

2. 在 [新增項目] 對話方塊中，選取 [類別]，然後將 [名稱] 欄位變更為 GitHubIssueData.cs。 接著，選取 [新增] 按鈕。

   GitHubIssueData.cs 檔案隨即在程式碼編輯器中開啟。 將下列 using 陳述式新增至 GitHubIssueData.cs 最上方：

using Microsoft.ML.Data;

移除現有的類別定義，然後將下列程式碼 (具有 GitHubIssue 和 IssuePrediction 這兩個類別) 新增至 GitHubIssueData.cs 檔案：

public class GitHubIssue
{
    [LoadColumn(0)]
    public string? ID { get; set; }
    [LoadColumn(1)]
    public string? Area { get; set; }
    [LoadColumn(2)]
    public required string Title { get; set; }
    [LoadColumn(3)]
    public required string Description { get; set; }
}

public class IssuePrediction
{
    [ColumnName("PredictedLabel")]
    public string? Area;
}

label 是您希望進行預測的資料行。 識別的 Features 是您提供模型，以預測標籤 (Label) 的輸入。

請使用 LoadColumnAttribute 來指定資料集中來源資料行的索引。

GitHubIssue 是輸入資料集類別，並具有下列 String 欄位：

• 第一個資料行 ID(GitHub 問題識別碼)
• 第二個資料行 Area(用於定型的預測)
• 第三個資料行 Title (GitHub 問題標題) 是第一個用來預測 Area 的 feature
• 第四個數據行是用來預測 的第二 feature 個數據行 DescriptionArea

IssuePrediction 是在模型定型後，用來進行預測的類別。 它包含單一布林值 string (Area) 和 PredictedLabelColumnName 屬性。 PredictedLabel 的使用時機是在進行預測和評估的期間。 就評估而言，會使用含有定型資料、預設值及模型的輸入。

所有 ML.NET 作業都會在 MLCoNtext 類別中啟動。 將 mlContext 初始化會建立新的 ML.NET 環境，可在模型建立工作流程物件間共用。 就概念而言，它與 Entity Framework 中的 DBContext 相似。

將變數初始化

_mlContext使用隨機種子的新實例 MLContext 初始化全域變數， (seed: 0) ，以便跨多個定型進行可重複/具決定性的結果。 使用下列程式碼取代 Console.WriteLine("Hello World!") 行：

_mlContext = new MLContext(seed: 0);

載入資料

ML.NET 使用 IDataView 介面 作為有彈性且有效率的方式來描述數值或文字表格式資料。 IDataView 可載入文字檔案或即時進行 (例如 SQL 資料庫或記錄檔)。

若要初始化和載入 _trainingDataView 全域變數以用於管線，請在初始化之後 mlContext 新增下列程式碼：

_trainingDataView = _mlContext.Data.LoadFromTextFile<GitHubIssue>(_trainDataPath,hasHeader: true);

LoadFromTextFile() 會定義資料結構描述並讀入檔案中。 會接受資料路徑變數然後傳回 IDataView。

在呼叫 方法之後新增 LoadFromTextFile() 下列內容：

var pipeline = ProcessData();

ProcessData 方法會執行下列工作：

• 擷取並轉換資料。
• 傳回處理管線。

使用下列程式碼，在 Program.cs 檔案底部建立 ProcessData 方法：

IEstimator<ITransformer> ProcessData()
{

}

擷取特徵並轉換資料

當您想要針對 GitHubIssue 預測 Area GitHub 標籤時，請使用 MapValueToKey() 方法，將 Area 資料行轉換成數字索引鍵類型 Label 資料行 (分類演算法接受的格式)，並將它新增為新的資料集資料行：

var pipeline = _mlContext.Transforms.Conversion.MapValueToKey(inputColumnName: "Area", outputColumnName: "Label")

接下來，呼叫 mlContext.Transforms.Text.FeaturizeText ，將文字 (Title 和 Description) 資料行轉換成每個呼叫 TitleFeaturized 和 DescriptionFeaturized 的數值向量。 將這兩個資料行的特徵轉換附加至管線，使用的程式碼如下：

.Append(_mlContext.Transforms.Text.FeaturizeText(inputColumnName: "Title", outputColumnName: "TitleFeaturized"))
.Append(_mlContext.Transforms.Text.FeaturizeText(inputColumnName: "Description", outputColumnName: "DescriptionFeaturized"))

資料準備的最後一個步驟是使用 Concatenate() 方法，將所有特徵資料行合併到 Features (特徵) 資料行。 根據預設，學習演算法只會處理來自 Features 資料行的特徵。 將這此轉換附加至管線，使用的程式碼如下：

.Append(_mlContext.Transforms.Concatenate("Features", "TitleFeaturized", "DescriptionFeaturized"))

接著，附加 AppendCacheCheckpoint 來快取 DataView，以便在您多次逐一查看資料時，使用快取可獲得更高的效能，如下列程式碼所示：

.AppendCacheCheckpoint(_mlContext);

警告

針對小型/中型資料集使用 AppendCacheCheckpoint 以減少訓練時間。 請不要在處理非常大的資料集時使用它 (移除 .AppendCacheCheckpoint())。

在 ProcessData 方法的結尾傳回管線。

return pipeline;

這個步驟會處理前置處理/特徵轉換。 使用 ML.NET 中可用的額外元件可讓您的模型產生更佳的結果。

建置和定型模型

將下列呼叫新增至 BuildAndTrainModel 方法，作為方法呼叫 ProcessData() 之後的下一行：

var trainingPipeline = BuildAndTrainModel(_trainingDataView, pipeline);

BuildAndTrainModel 方法會執行下列工作：

• 建立定型演算法類別。
• 將模型定型。
• 根據定型資料預測區域。
• 傳回模型。

BuildAndTrainModel使用下列程式碼，在 方法宣告 ProcessData() 之後建立 方法：

IEstimator<ITransformer> BuildAndTrainModel(IDataView trainingDataView, IEstimator<ITransformer> pipeline)
{

}

關於分類工作

分類是一項機器學習服務工作，會使用資料來判斷項目或資料列的分類、類型或類別，且經常是下列其中一種類型：

• 二元：不是 A 就是 B。
• 多元分類：可使用單一模型來預測的多重分類。

針對此類型的問題，請使用多類別分類學習演算法，因為您的問題類別預測可能是多個類別 (多類別) 的其中之一，而不只是兩個類別 (二元)。

透過將下列內容新增為 BuildAndTrainModel() 中的第一行程式碼，將機器學習服務演算法附加到資料轉換定義：

var trainingPipeline = pipeline.Append(_mlContext.MulticlassClassification.Trainers.SdcaMaximumEntropy("Label", "Features"))
        .Append(_mlContext.Transforms.Conversion.MapKeyToValue("PredictedLabel"));

SdcaMaximumEntropy 是您的多類別分類定型演算法。 它會附加到 pipeline 並接受特徵化的 Title 和 Description (Features) 及 Label 輸入參數，以從歷史資料學習。

將模型定型

將下列內容新增為 BuildAndTrainModel() 方法中的下一行程式碼，調整模型為合適於 splitTrainSet 資料並傳回已定型模型：

_trainedModel = trainingPipeline.Fit(trainingDataView);

Fit() 方法會透過轉換資料集和套用定型來定型您的模型。

PredictionEngine 是一種便利的 API，可讓您傳遞並在單一資料執行個體上接著執行預測。 將此新增為 BuildAndTrainModel() 方法中的下一行：

_predEngine = _mlContext.Model.CreatePredictionEngine<GitHubIssue, IssuePrediction>(_trainedModel);

使用訓練過的模型預測

透過建立 GitHubIssue 的執行個體，在 Predict 方法中新增 GitHub 問題，以測試所定型模型的預測：

GitHubIssue issue = new GitHubIssue() {
    Title = "WebSockets communication is slow in my machine",
    Description = "The WebSockets communication used under the covers by SignalR looks like is going slow in my development machine.."
};

使用 Predict() 函式來針對單一資料列進行預測：

var prediction = _predEngine.Predict(issue);

使用模型：預測結果

顯示 GitHubIssue 和相對應的 Area 標籤預測，以共用結果並根據結果相應地採取動作。 請使用下列 Console.WriteLine() 程式碼來為結果建立顯示：

Console.WriteLine($"=============== Single Prediction just-trained-model - Result: {prediction.Area} ===============");

傳回經訓練以供評估使用的模型

在 BuildAndTrainModel 方法的結尾傳回模型。

return trainingPipeline;

評估模型

建立並定型模型之後，現在必須使用不同的資料集來評估它，以確保和驗證品質。 在 Evaluate 方法中，會傳入在 BuildAndTrainModel 中建立的模型以供評估。 在緊接著 BuildAndTrainModel 之後，建立 Evaluate 方法，如以下程式碼所示：

void Evaluate(DataViewSchema trainingDataViewSchema)
{

}

Evaluate 方法會執行下列工作：

• 載入測試資料集。
• 建立多類別評估工具。
• 評估模型並建立計量。
• 顯示計量。

使用下列程式碼，直接在方法呼叫下 BuildAndTrainModel ，將呼叫新增至新方法：

Evaluate(_trainingDataView.Schema);

如同您先前針對定型資料集所進行的操作，請透過將下列程式碼新增到 Evaluate 方法，來載入測試資料集：

var testDataView = _mlContext.Data.LoadFromTextFile<GitHubIssue>(_testDataPath,hasHeader: true);

Evaluate() 方法會使用指定的資料集，計算模型的品質計量。 它傳回的 MulticlassClassificationMetrics 物件包含多類別分類評估工具所計算的整體計量。 若要顯示計量以判斷模型的品質，您必須先取得計量。 請注意我們在此處使用機器學習服務 _trainedModel 全域變數 (一個 ITransformer) 的 Transform() 方法來輸入特徵並傳回預測。 將下列程式碼加入為 Evaluate 方法中的下一行：

var testMetrics = _mlContext.MulticlassClassification.Evaluate(_trainedModel.Transform(testDataView));

針對多類別分類評估的計量如下：

• 微精確度 - 每個範例類別組同樣都會對精確度計量提出貢獻。 您希望 Micro Accuracy 盡可能接近一個。

• 大精確度 - 每個類別同樣都會對精確度計量提出貢獻。 少數類別會加上與較大類別相同的權重。 您希望宏精確度盡可能接近一個。

• 記錄檔遺失 - 請參閱記錄檔遺失。 建議讓記錄檔遺失盡量接近零。

• 對數損失減少 - 從 [-inf， 1.00] 的範圍，其中 1.00 是完美的預測，0 表示平均預測。 您想要盡可能減少記錄遺失。

顯示模型驗證的計量

使用下列程式碼來顯示計量、共用結果，然後依結果採取動作：

Console.WriteLine($"*************************************************************************************************************");
Console.WriteLine($"*       Metrics for Multi-class Classification model - Test Data     ");
Console.WriteLine($"*------------------------------------------------------------------------------------------------------------");
Console.WriteLine($"*       MicroAccuracy:    {testMetrics.MicroAccuracy:0.###}");
Console.WriteLine($"*       MacroAccuracy:    {testMetrics.MacroAccuracy:0.###}");
Console.WriteLine($"*       LogLoss:          {testMetrics.LogLoss:#.###}");
Console.WriteLine($"*       LogLossReduction: {testMetrics.LogLossReduction:#.###}");
Console.WriteLine($"*************************************************************************************************************");

將模型儲存至檔案

滿意您的模型之後，請將它儲存至檔案，以便稍後或在另一個應用程式中進行預測。 將下列程式碼新增至 Evaluate 方法。

SaveModelAsFile(_mlContext, trainingDataViewSchema, _trainedModel);

在您的 Evaluate方法下方建立 SaveModelAsFile 方法。

void SaveModelAsFile(MLContext mlContext,DataViewSchema trainingDataViewSchema, ITransformer model)
{

}

將下列程式碼新增至 SaveModelAsFile 方法。 此程式碼使用 Save 方法，將定型的模型序列化並儲存為 ZIP 檔案。

mlContext.Model.Save(model, trainingDataViewSchema, _modelPath);

部署及使用模型進行預測

使用下列程式碼，直接在方法呼叫下 Evaluate ，將呼叫新增至新方法：

PredictIssue();

請使用下列程式碼，緊接在 Evaluate 方法之後 (並緊接在 SaveModelAsFile 方法之前)，建立 PredictIssue 方法：

void PredictIssue()
{

}

PredictIssue 方法會執行下列工作：

• 載入已儲存的模型
• 建立測試資料的單一問題。
• 根據測試資料預測區域。
• 合併測試資料和預測來進行報告。
• 顯示預測的結果。

將下列程式碼新增至 PredictIssue 方法，以將已儲存模型載入至您的應用程式：

ITransformer loadedModel = _mlContext.Model.Load(_modelPath, out var modelInputSchema);

透過建立 GitHubIssue 的執行個體，在 Predict 方法中新增 GitHub 問題，以測試所定型模型的預測：

GitHubIssue singleIssue = new GitHubIssue() { Title = "Entity Framework crashes", Description = "When connecting to the database, EF is crashing" };

如同您先前進行的操作，請使用下列程式碼建立 PredictionEngine 執行個體：

_predEngine = _mlContext.Model.CreatePredictionEngine<GitHubIssue, IssuePrediction>(loadedModel);

PredictionEngine 是一種便利的 API，可讓您在單一資料執行個體上接著執行預測。 PredictionEngine 不是安全執行緒。 可接受在單一執行緒或原型環境中使用。 為了提升效能和執行緒安全性，請使用 PredictionEnginePool 服務，以建立 PredictionEngine 物件的 ObjectPool 供整個應用程式使用。 請參閱本指南，以瞭解如何在ASP.NET Core Web API 中使用 PredictionEnginePool。

注意

PredictionEnginePool 服務延伸模組目前處於預覽狀態。

使用 PredictionEngine 來透過將下列程式碼新增到預測的 PredictIssue 方法，來預測 Area GitHub 標籤：

var prediction = _predEngine.Predict(singleIssue);

使用載入的模型來進行預測

顯示 Area 以分類問題，並根據該分類採取動作。 請使用下列 Console.WriteLine() 程式碼來為結果建立顯示：

Console.WriteLine($"=============== Single Prediction - Result: {prediction.Area} ===============");

結果

您的結果應該與以下類似。 當管線進行處理時，會顯示訊息。 您可能會看到警告或處理訊息。 為了讓結果變得清楚，這些訊息已從下列結果中移除。

=============== Single Prediction just-trained-model - Result: area-System.Net ===============
*************************************************************************************************************
*       Metrics for Multi-class Classification model - Test Data
*------------------------------------------------------------------------------------------------------------
*       MicroAccuracy:    0.738
*       MacroAccuracy:    0.668
*       LogLoss:          .919
*       LogLossReduction: .643
*************************************************************************************************************
=============== Single Prediction - Result: area-System.Data ===============

恭喜！ 您現在已成功建置可對 GitHub 問題分類和預測 Area 標籤的機器學習模型。 您可以在 dotnet/samples 存放庫中找到本教學課程的原始程式碼。

後續步驟

在本教學課程中，您已了解如何：

• 準備您的資料
• 轉換資料
• 將模型定型
• 評估模型
• 使用訓練過的模型預測
• 使用已載入的模型部署和預測

前進到下一個教學課程來深入了解

計程車車資預測工具