使用定型的模型預測

發行項
05/09/2023

了解如何使用定型的模型建立預測

建立資料模型

輸入資料

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; }
}

輸出資料

例如 Features 和 Label 輸入資料行名稱，ML.NET 有模型產生的預測值資料行預設名稱。依工作不同，名稱可能不同。

因為用於此範例的演算法是線性迴歸演算法，所以輸出資料行預設名稱是 Score，由 PredictedPrice 屬性的 ColumnName 屬性所定義。

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

設定預測管線

無論是建立單一或批次預測，預測管線都需要載入到應用程式中。此管線包含資料前置處理轉換以及定型的模型。下列程式碼片段會從名為 model.zip 的檔案載入預測管線。

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

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

單一預測

若要建立單一預測，請使用載入的預測管線建立 PredictionEngine。

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

然後，使用 Predict 方法，並傳入您的輸入資料作為參數。請注意，使用 Predict 方法不要求輸入成為 IDataView)。這是因為它方便內化輸入資料類型操作，使您可以傳入輸入資料類型的物件。此外，因為 CurrentPrice 是您想要使用新資料嘗試預測的目標或標籤，所以假設它目前沒有任何值。

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

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

如果您存取 prediction 物件的 Score 屬性，您應該取得類似 150079 的值。

提示

PredictionEngine 不是安全執行緒。此外，您必須在應用程式內有需要的任何地方建立其執行個體。隨著應用程式成長，此程序可能會變得無法管理。為了提升效能和執行緒的安全性，請合併使用相依性插入與 PredictionEnginePool 服務，以建立 PredictionEngine 物件的 ObjectPool 供整個應用程式使用。

如需如何使用PredictionEnginePool服務的範例，請參閱將模型部署到 Web API，並將模型部署至 Azure Functions。

如需詳細資訊，請參閱 ASP.NET Core 中的相依性插入。

多個預測 (IDataView)

指定下列資料，將它載入 IDataView。在此案例中，IDataView 的名稱為 inputData。因為 CurrentPrice 是您想要使用新資料嘗試預測的目標或標籤，所以假設它目前沒有任何值。

// 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 }
    }
};

然後，使用 Transform 方法套用資料轉換並產生預測。

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

使用 GetColumn 方法檢查預測的值。

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

分數資料行中的預測值看起來應該如下所示：

觀測	預測
1	144638.2
2	150079.4
3	107789.8

多個預測 (PredictionEnginePool)

若要使用 PredictionEnginePool 進行多個預測，您可以採用包含多個模型輸入執行個體的 IEnumerable。例如，IEnumerable<HousingInput> 以及使用 LINQ 的 Select 方法來將 Predict 方法套用至每個元素。

此程式碼範例假設您有名為 predictionEnginePool 的 PredictionEnginePool 及名為 housingData 的 IEnumerable<HousingData>。

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

其結果是一個包含預測執行個體的 IEnumerable。在此案例中，這將會是 IEnumerable<HousingPrediction>。

共用方式為