Co to jest konstruktor modelu?
Uczenie maszynowe to technika, która używa matematyki i statystyk do identyfikowania wzorców w danych bez jawnego programowania. Model Builder to graficzne rozszerzenie programu Visual Studio do trenowania i wdrażania niestandardowych modeli uczenia maszynowego przy użyciu ML.NET.
Załóżmy na przykład, że chcesz przewidzieć cenę domu. Jeśli używasz jednej funkcji, takiej jak rozmiar domu w stopach kwadratowych, aby oszacować jego cenę, prawdopodobnie można zaprogramować heurystyczny, który koreluje większe domy z wyższą ceną.
Świat nie zawsze jest jednak tak prosty. Wiele zmiennych wpływa na cenę domu. W takich przypadkach tworzenie prostej heurystyki, która przechwytuje przypadki brzegowe staje się trudne, a uczenie maszynowe może być lepszym rozwiązaniem.
W przypadku uczenia maszynowego zamiast jawnego programowania można używać danych historycznych do identyfikowania tych reguł na podstawie rzeczywistych obserwacji. Wzorce znalezione za pomocą uczenia maszynowego są następnie używane do tworzenia artefaktu nazywanego modelem w celu przewidywania przy użyciu nowych i wcześniej niezaużywanych danych.
ML.NET to międzyplatformowa platforma uczenia maszynowego typu open source dla platformy .NET. Możesz więc zastosować istniejące umiejętności platformy .NET i użyć narzędzi, które znasz (na przykład programu Visual Studio), aby wytrenować modele uczenia maszynowego.
Jakie typy problemów można rozwiązać przy użyciu narzędzia Model Builder?
Za pomocą narzędzia Model Builder można rozwiązać wiele typowych problemów z uczeniem maszynowym, takich jak:
- Kategoryzowanie danych: Organizowanie artykułów z wiadomościami według tematu.
- Przewidywanie wartości liczbowej: oszacowanie ceny domu.
- Grupowanie elementów o podobnych cechach: Klienci segmentu.
- Zalecane elementy: Zalecamy filmy.
- Klasyfikowanie obrazów: oznaczanie obrazu na podstawie jego zawartości.
- Wykrywanie obiektów na obrazie: Wykrywanie pieszych i rowerów na skrzyżowaniu.
Jak tworzyć modele przy użyciu narzędzia Model Builder?
Ogólnie rzecz biorąc, proces dodawania modeli uczenia maszynowego do aplikacji składa się z dwóch kroków: trenowania i zużycia.
Szkolenia
Trenowanie to proces stosowania algorytmów do danych historycznych w celu utworzenia modelu, który przechwytuje podstawowe wzorce. Następnie możesz użyć modelu do przewidywania nowych danych.
Narzędzie Model Builder używa zautomatyzowanego uczenia maszynowego (AutoML), aby znaleźć najlepszy model dla danych. Rozwiązanie AutoML automatyzuje proces stosowania uczenia maszynowego do danych. Eksperyment automatycznego uczenia maszynowego można uruchomić na zestawie danych, aby iterować różne przekształcenia danych, algorytmy uczenia maszynowego i ustawienia, a następnie wybrać najlepszy model.
Do korzystania z narzędzia Model Builder nie potrzebujesz specjalistycznej wiedzy dotyczącej uczenia maszynowego. Wszystko, czego potrzebujesz, to niektóre dane i problem do rozwiązania.
Proces trenowania modelu składa się z następujących kroków:
- Wybierz scenariusz: Jaki problem próbujesz rozwiązać? Wybrany scenariusz zależy od danych i tego, co próbujesz przewidzieć.
- Wybierz środowisko: gdzie chcesz wytrenować model? W zależności od dostępnych zasobów obliczeniowych, kosztów, wymagań dotyczących prywatności i innych czynników można wybrać trenowanie modeli lokalnie na komputerze lub w chmurze.
- Załaduj dane: załaduj zestaw danych do użycia na potrzeby trenowania. Zdefiniuj kolumny, które chcesz przewidzieć, a następnie wybierz kolumny, których chcesz użyć jako danych wejściowych dla przewidywania.
- Trenowanie modelu: Pozwól rozwiązaniu AutoML wybrać najlepszy algorytm dla zestawu danych na podstawie wybranego scenariusza.
- Oceń model: użyj metryk, aby ocenić, jak dobrze działa model i wykonuje przewidywania dotyczące nowych danych.
Zużycie
Po wytrenowania modelu uczenia maszynowego nadszedł czas, aby wykorzystać go do przewidywania. Użycie to proces używania wytrenowanego modelu uczenia maszynowego w celu przewidywania nowych i wcześniej nieużytowanych danych. Za pomocą narzędzia Model Builder możesz korzystać z modeli uczenia maszynowego z nowych i istniejących projektów platformy .NET.
Modele uczenia maszynowego opartego na platformie ML.NET są serializowane i zapisywane w pliku. Następnie plik modelu można załadować do dowolnej aplikacji platformy .NET i użyć go do przewidywania za pomocą interfejsów API ML.NET. Te typy aplikacji obejmują:
- Internetowy interfejs API platformy ASP.NET Core
- Azure Functions
- Blazor
- Windows Presentation Foundation (WPF) lub Windows Forms (WinForms)
- Konsola
- Biblioteka klas
W następnej lekcji dowiesz się więcej na temat procesu trenowania modelu uczenia maszynowego w narzędziu Model Builder.