ML.NET 示例：聚類之鳶尾花

摘要： 寫在前面 準備近期將微軟的machinelearning-samples翻譯成中文，水平有限，如有錯漏，請大家多多指正。 如果有朋友對此感興趣，可以加入我：https://github.com/feiyun0112/machinelearn...

聚類鳶尾花資料

ML.NET 版本	API 型別	狀態	應用程式型別	資料型別	場景	機器學習任務	演算法
v0.7	動態 API	最新版	控制檯應用程式	.txt 檔案	聚類鳶尾花	聚類	K-means++

在這個介紹性示例中，您將看到如何使用ML.NET 將不同型別鳶尾花劃分為不同組。在機器學習的世界中，這個任務被稱為群集 。

問題

為了演示聚類API的實際作用，我們將使用三種類型的鳶尾花：setosa、versicolor和versicolor。它們都儲存在相同的資料集中。儘管這些花的型別是已知的，我們將不使用它，只對花的引數，如花瓣長度，花瓣寬度等執行聚類演算法。這個任務是把所有的花分成三個不同的簇。我們期望不同型別的花屬於不同的簇。

模型的輸入使用下列鳶尾花引數：

• petal length
• petal width
• sepal length
• sepal width

ML 任務 - 聚類

聚類的一般問題是將一組物件分組，使得同一組中的物件彼此之間的相似性大於其他組中的物件。

其他一些聚類示例：

• 將新聞文章分為不同主題：體育，政治，科技等。
• 按購買偏好對客戶進行分組。
• 將數字影象劃分為不同的區域以進行邊界檢測或物體識別。

聚類看起來類似於多類分類，但區別在於對於聚類任務，我們不知道過去資料的答案。 因此，沒有“導師”/“主管”可以判斷我們的演算法的預測是對還是錯。 這種型別的ML任務稱為無監督學習 。

解決方案

要解決這個問題，首先我們將建立並訓練ML模型。 然後我們將使用訓練模型來預測鳶尾花的簇。

1. 建立模型

建立模型包括：上傳資料（使用TextLoader 載入iris-full.txt ），轉換資料以便ML演算法（使用Concatenate ）有效地使用，並選擇學習演算法（KMeans ）。 所有這些步驟都儲存在trainingPipeline 中：

//Create the MLContext to share across components for deterministic results
MLContext mlContext = new MLContext(seed: 1);//Seed set to any number so you have a deterministic environment

// STEP 1: Common data loading configuration
TextLoader textLoader = mlContext.Data.TextReader(new TextLoader.Arguments()
{
Separator = "\t",
HasHeader = true,
Column = new[]
{
new TextLoader.Column("Label", DataKind.R4, 0),
new TextLoader.Column("SepalLength", DataKind.R4, 1),
new TextLoader.Column("SepalWidth", DataKind.R4, 2),
new TextLoader.Column("PetalLength", DataKind.R4, 3),
new TextLoader.Column("PetalWidth", DataKind.R4, 4),
}
});

IDataView fullData = textLoader.Read(DataPath);

//STEP 2: Process data transformations in pipeline
var dataProcessPipeline = mlContext.Transforms.Concatenate("Features", "SepalLength", "SepalWidth", "PetalLength", "PetalWidth");

// STEP 3: Create and train the model
var trainer = mlContext.Clustering.Trainers.KMeans(features: "Features", clustersCount: 3);
var trainingPipeline = dataProcessPipeline.Append(trainer);

2. 訓練模型

訓練模型是在給定資料上執行所選演算法的過程。 要執行訓練，您需要呼叫Fit() 方法。

var trainedModel = trainingPipeline.Fit(trainingDataView);

3. 使用模型

在建立和訓練模型之後，我們可以使用Predict() API來預測鳶尾花的簇，並計算從給定花引數到每個簇（簇的每個質心）的距離。

// Test with one sample text 
var sampleIrisData = new IrisData()
{
SepalLength = 3.3f,
SepalWidth = 1.6f,
PetalLength = 0.2f,
PetalWidth = 5.1f,
};

// Create prediction engine related to the loaded trained model
var predFunction = trainedModel.MakePredictionFunction<IrisData, IrisPrediction>(mlContext);

//Score
var resultprediction = predFunction.Predict(sampleIrisData);

Console.WriteLine($"Cluster assigned for setosa flowers:" + resultprediction.SelectedClusterId);