使用 ML.NET CLI 自动训练模型
ML.NET CLI 自动为 .NET 开发人员生成模型。
若要单独使用 ML.NET API（无需 ML.NET AutoML CLI），需要选择训练器（针对特定任务的机器学习算法实现），以及应用于数据的数据转换（特征工程）集。 每个数据集的最佳管道将有所不同，并从所有选项中选择最佳算法会增加复杂性。 更进一步，每个算法都有一组要优化的超参数。 因此，你可以花费数周和有时几个月的时间进行机器学习模型优化，试图找到特征工程、学习算法和超参数的最佳组合。
ML.NET CLI 使用自动化机器学习（AutoML）简化了此过程。
注意
本文介绍 ML.NET CLI 和 ML.NET AutoML，目前处于预览状态，材料可能会更改。
什么是 ML.NET 命令行接口（CLI）？
ML.NET CLI 是 .NET 工具。 安装后，可以为其提供机器学习任务和训练数据集，并生成 ML.NET 模型，以及运行 C# 代码以在应用程序中使用该模型。
如下图所示，生成高质量的 ML.NET 模型（序列化模型 .zip 文件）以及示例 C# 代码来运行/评分该模型非常简单。 此外，还生成用于创建/训练该模型的 C# 代码，以便你可以研究并循环访问用于生成“最佳模型”的算法和设置。
在 ML.NET CLI 中工作的
你可以从自己的数据集生成这些资产，而无需自行编码，因此即使你已经知道 ML.NET，它也提高了工作效率。
目前，ML.NET CLI 支持的 ML 任务包括：
- 分类
- 回归
- 建议
- 图像分类
- 预测
- 火车
可以使用以下命令根据操作系统及其体系结构安装 ML.NET CLI：
dotnet tool install --global mlnet-<OS>-<ARCH>
例如，可以使用以下命令安装 x64 版本的 Windows：
dotnet tool install --global mlnet-win-x64
有关详细信息，请参阅 安装 ML.NET CLI 操作指南。
用法示例（分类方案）：
mlnet classification --dataset "yelp_labelled.txt" --label-col 1 --has-header false --train-time 10
还有一个命令，你可以使用 mbconfig 文件进行训练。 启动模型生成器会话时，会创建 mbconfig 文件。
可以在 Windows PowerShell、macOS/Linux bash或 Windows CMD上以相同的方式运行它。 但是，表格自动完成（参数建议）不适用于 Windows CMD。
生成的输出资产
CLI 中的 ML 任务命令在输出文件夹中生成以下资产：
- C# 解决方案，其中包含：
- 一个控制台应用，用于运行/评分生成的模型（使用该模型在最终用户应用中进行预测）。
- 包含用于生成该模型的训练代码的控制台应用（用于学习目的或模型重新训练）。
- 此序列化模型（“最佳模型”）也作为压缩 .zip 文件提供，该文件可用于运行预测。
- mbconfig 文件，其中包含允许在模型生成器中打开模型的配置数据。
- 日志文件，包含有关评估的多种算法的所有迭代/扫描的信息（包括其详细配置/管道）。
前两个资产可以直接用于最终用户应用（例如，ASP.NET Core Web 应用、服务和桌面应用），以便使用该生成的 ML 模型进行预测。
第三种资产，训练代码，展示了 CLI 使用了哪些 ML.NET API 代码来训练生成的模型，因此你可以重新训练模型，并进一步研究和优化 CLI 和 AutoML 在背后选择的特定训练器/算法和超参数。
了解模型的质量
使用 CLI 工具生成“最佳模型”时，你会看到适合你目标的 ML 任务的质量指标（例如准确性和 R-Squared）。
下面汇总了这些指标，这些指标按 ML 任务分组，以便你可以了解自动生成的“最佳模型”的质量。
分类模型的指标
下图显示了 CLI 找到的前五个模型的分类指标列表：
前五个模型的
准确性是分类问题的常用指标，但准确性并不总是选择最佳模型的最佳指标，如以下参考中所述。 在某些情况下，需要使用其他指标评估模型的质量。
要探索和理解由 CLI 输出的指标，请参阅 分类的评估指标。
回归和建议模型的指标
如果观察到的值与模型的预测值之间的差异较小且无偏差，则回归模型适合数据。 可以使用某些指标评估回归。
你将看到一个类似的列表，其中包含 CLI 找到的排名前五的质量模型的指标，但在这种情况下，排名前五的模型与回归 ML 任务相关：
为了探索和理解 CLI 输出的指标，请参阅 回归的评估指标。
