ML .NET 二手车价格预测（一）

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用于训练，test-data.csv用于评估
打开train-data.csv进行查看，

训练数据从左到右的列分别表示，序号、名称、所在地、年份、行驶车程、汽油种类、手动挡/自动挡、转手次数、里程、引擎、马力、座位、购买新车价格、当前价格
接下来对train-data.csv做一定的处理，
由于New_Price的数据不完整，且较少，将New_Price列去掉（这里也可以选择补齐数据）
由于Mileage列存在单位不同的问题，将Mileage列去掉（这里也可以选择对数据进行修改，保证数据一致）

开始训练

在项目中，创建训练模型

如图所示，进入一个可视化的配置页面，在方案一栏选择值预测

训练环境选择本地CPU

接下来选择数据源，数据源可以是.csv文件，.tsv文件，.txt文件，也可以是SQL Server数据库
这里我们选择.csv文件

读取文件后，选择高级数据选项，设置字段的具体作用
第一列是序号，是不需要的数据
第二列Name开始，到New Price都是影响二手车价格的因素，故设置为Feature
其中Fuel_Type、Transmission、Owner_Type为枚举字段，故勾选分类
最后一列为我们想要预测的数据，二手车价格，故设置为Label
最后为所有字段选择正确的数据类型，布尔、数字或者字符串


接下来ML .NET会进行训练，为我们选择合适的模型和参数


如果对训练结果不满意，可以增加训练时间，反复训练
以下是训练100秒后的结果

接下来有个预估功能，可以进行简单测试，如果不满意结果，就继续回到上一步重新训练

训练完成后，获得模型UsedCarsPricePredictionMLModel.zip

调用模型完成功能

写一个UI，输入数据，并预测价格

在UsedCarsPricePredictionMLModel.consumption.cs文件中，
先读取模型文件，加载模型

private static PredictionEngine<ModelInput, ModelOutput> CreatePredictEngine()
{
    var mlContext = new MLContext();
    ITransformer mlModel = mlContext.Model.Load(MLNetModelPath, out var _);
    return mlContext.Model.CreatePredictionEngine<ModelInput, ModelOutput>(mlModel);
}

然后调用Predict方法，进行预测

var predEngine = PredictEngine.Value;
return predEngine.Predict(input);

注意，可以加载一次模型对象，然后重复利用，节省时间

关于评估

在模型正式投入使用之前，可以使用另外的数据集test-data.csv进行正确率的验证，不符合条件则重新训练

示例代码

UsedCarsPricePrediction

参考资料

10分钟快速入门
官方示例machinelearning-samples
教程：将回归与 ML.NET 配合使用以预测价格