使用经过训练的模型进行预测

项目
05/09/2023

了解如何使用经过训练的模型进行预测

创建数据模型

输入数据

public class HousingData
{
    [LoadColumn(0)]
    public float Size { get; set; }

    [LoadColumn(1, 3)]
    [VectorType(3)]
    public float[] HistoricalPrices { get; set; }

    [LoadColumn(4)]
    [ColumnName("Label")]
    public float CurrentPrice { get; set; }
}

输出数据

与 Features 和 Label 输入列名一样，ML.NET 为模型生成的预测值列提供默认名称。名称可能因任务而异。

由于此示例中使用的算法是线性回归算法，输出列的默认名称为 Score，它由 PredictedPrice 属性上的 ColumnName 特性定义。

class HousingPrediction
{
    [ColumnName("Score")]
    public float PredictedPrice { get; set; }
}

设置预测管道

无论是进行单一预测还是批量预测，都需要将预测管道加载到应用程序中。此管道包含数据预处理转换以及经过训练的模型。下面的代码片段从名为 model.zip 的文件中加载预测管道。

//Create MLContext
MLContext mlContext = new MLContext();

// Load Trained Model
DataViewSchema predictionPipelineSchema;
ITransformer predictionPipeline = mlContext.Model.Load("model.zip", out predictionPipelineSchema);

单一预测

若要进行单一预测，请使用加载的预测管道创建 PredictionEngine。

// Create PredictionEngines
PredictionEngine<HousingData, HousingPrediction> predictionEngine = mlContext.Model.CreatePredictionEngine<HousingData, HousingPrediction>(predictionPipeline);

然后，使用 Predict 方法并将输入数据作为参数传入。请注意，使用 Predict 方法不要求输入为 IDataView。这是因为它可以方便地内在化输入数据类型操作，以便能够传入输入数据类型的对象。此外，由于 CurrentPrice 是尝试使用新数据进行预测的目标或标签，假设此时没有用于它的值。

// Input Data
HousingData inputData = new HousingData
{
    Size = 900f,
    HistoricalPrices = new float[] { 155000f, 190000f, 220000f }
};

// Get Prediction
HousingPrediction prediction = predictionEngine.Predict(inputData);

如果访问 prediction 对象的 Score 属性，则应获得类似于 150079 的值。

提示

PredictionEngine 不是线程安全。此外，必须在应用程序中的每一处所需位置创建它的实例。随着应用程序的增长，此过程可能会变得难以管理。为了提高性能和线程安全，请结合使用依赖项注入和 PredictionEnginePool 服务，这将创建一个在整个应用程序中使用的 PredictionEngine 对象的 ObjectPool。

有关如何使用 PredictionEnginePool 服务的示例，请参阅将模型部署到 Web API 和将模型部署到 Azure Functions。

有关详细信息，请参阅 ASP.NET Core 中的依赖项注入。

多个预测 (IDataView)

给定以下数据，将其加载到 IDataView 中。在这种情况下，IDataView 的名称可能是 inputData。因为 CurrentPrice 是尝试使用新数据进行预测的目标或标签，所以假设此时没有用于它的值。

// Actual data
HousingData[] housingData = new HousingData[]
{
    new HousingData
    {
        Size = 850f,
        HistoricalPrices = new float[] { 150000f, 175000f, 210000f }
    },
    new HousingData
    {
        Size = 900f,
        HistoricalPrices = new float[] { 155000f, 190000f, 220000f }
    },
    new HousingData
    {
        Size = 550f,
        HistoricalPrices = new float[] { 99000f, 98000f, 130000f }
    }
};

然后，使用 Transform 方法应用数据转换并生成预测。

// Predicted Data
IDataView predictions = predictionPipeline.Transform(inputData);

使用 GetColumn 方法检查预测值。

// Get Predictions
float[] scoreColumn = predictions.GetColumn<float>("Score").ToArray();

分数列中的预测值应如下所示：

观测	预测
1	144638.2
2	150079.4
3	107789.8

多个预测 (PredictionEnginePool)

若要使用 PredictionEnginePool 进行多个预测，可以使用包含模型输入的多个实例的 IEnumerable。例如 IEnumerable<HousingInput> 并使用 LINQ 的 Select 方法将 Predict 方法应用于每个元素。

此代码示例假设你有一个名为 predictionEnginePool 的 PredictionEnginePool 和一个名为 housingData 的 IEnumerable<HousingData>。

IEnumerable<HousingPrediction> predictions = housingData.Select(input => predictionEnginePool.Predict(input));

结果是一个包含预测实例的 IEnumerable。在本例中，该值为 IEnumerable<HousingPrediction>。

通过