随笔分类 -  ML .NET

摘要:场景 商品的价格会随时间发生变化,可以通过ML .NET的异常情况检测功能获得价格的拐点和峰值,为决策做参考 数据集 数据来自Every Cryptocurrency Daily Market Price 原始数据包含币种symbol、时间date、开盘价open、最高价high、最低价low、收盘 阅读全文
posted @ 2022-03-23 19:07 Lulus 阅读(771) 评论(0) 推荐(1) 编辑
摘要:场景 给出一段电影评价的文字,判断其对电影的评价是积极的还是消极的 虽然业务场景和之前的博客不同,但是实际上和ML .NET 预测订单是否被退货的内核是一样的,都是文本数据分类 输入一些特征和结果,进行训练,之后使用模型,通过特征,推断结果 训练数据 数据来自IMDB Dataset of 50K 阅读全文
posted @ 2022-03-21 20:04 Lulus 阅读(644) 评论(0) 推荐(0) 编辑
摘要:参考Movie Recommendation 我采用ML .NET自动化模型的推荐方案来完成这件事情 场景 根据用户以往对电影的评分,向用户推荐他/她可能感兴趣的电影,从而精确推广目标电影给可能感兴趣的用户群体 比如,打开某部电影的介绍页面,会有“喜欢这部电影的人也喜欢”这样的栏目 或者在用户页面, 阅读全文
posted @ 2022-03-17 19:19 Lulus 阅读(841) 评论(0) 推荐(0) 编辑
摘要:场景 根据历史订单的退货情况,预测新订单是否被退货 这次利用ML .NET的数据分类功能,将订单状态分为退货、不退货两种,计算每笔订单被退货、不被退货的概率 需要注意的是,这里是文本数据分类,使用数据分类,而之前完成的猫狗分类,需要使用图像分类 数据集 数据来自Amazon Seller - Ord 阅读全文
posted @ 2022-03-17 19:14 Lulus 阅读(559) 评论(0) 推荐(0) 编辑
摘要:本文将使用ML .NET的图像分类对猫狗的图像数据进行训练,得到模型; 并且开发一个简单的识别程序用来识别猫咪和狗狗。 流程 根据什么是 ML.NET 以及它如何工作?中的描述,我们知道,工作流如图: 这里我按照我的理解重新画了一幅: 首先我们需要准备训练数据集和测试数据集; 然后通过训练数据集进行 阅读全文
posted @ 2022-03-09 19:11 Lulus 阅读(3921) 评论(0) 推荐(1) 编辑
摘要:在模型生成后,可以通过Evaluate方法进行评估 //注意,这里使用txt或者tsv格式的文件 string testCsvPath = Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "TrainData", "test-data2.txt 阅读全文
posted @ 2022-03-07 19:55 Lulus 阅读(592) 评论(0) 推荐(0) 编辑
摘要:再次训练与参数调整 在UsedCarsPricePredictionMLModel.training.cs文件下,有训练设置与训练模型的方法 BuildPipeline方法中是ML .NET自动生成的训练设置,包括选择了哪些参数,预测的字段是什么, 以及调用LightGbm方法,参数配置为 { Nu 阅读全文
posted @ 2022-03-07 19:15 Lulus 阅读(897) 评论(0) 推荐(0) 编辑
摘要:本文将使用ML .NET的回归模型对二手车的价格进行训练,得到模型; 并且开发一个简单的预测程序用来预测二手车的价格。 数据集来源 在kaggle Used Cars Price Prediction中下载train-data.csv和test-data.csv, 其中train-data.csv用 阅读全文
posted @ 2022-03-07 19:07 Lulus 阅读(1308) 评论(2) 推荐(1) 编辑