Question

C＃中是否有任何机器学习库？我追求的是WEKA之类的东西。谢谢。

Answer 1

在GitHub上查看this awesome list。在列出的框架中，Accord.NET是开源的，最受欢迎的是2000多颗星。

另外，请查看Microsoft提供的.NET官方机器学习库：https://github.com/dotnet/machinelearning

<强> OLD

在codeproject上有一个名为AForge.net的神经网络库。（代码托管在Google code）（同时结帐AForge homepage - 根据主页，新版本现在支持遗传算法和机器学习。看起来自从我上次使用以来它已经取得了很大进展它）

我不知道它与WEKA有什么关系，因为我从未使用过它。

（还有一篇关于它的文章usage）

Answer 2

正如Shane所说，使用IKVM和一些“胶水代码”，可以很容易地从C＃中使用Weka。在weka page上开始教程以创建weka的'.Net版本'，然后您可以尝试运行以下测试：

[Fact]
public void BuildAndClassify()
{
  var classifier = BuildClassifier();
  AssertCanClassify(classifier);
}

[Fact]
public void DeserializeAndClassify()
{
  BuildClassifier().Serialize("test.weka");
  var classifier = Classifier.Deserialize<LinearRegression>("test.weka");
  AssertCanClassify(classifier);
}

private static void AssertCanClassify(LinearRegression classifier)
{
  var result = classifier.Classify(-402, -1);
  Assert.InRange(result, 255.8d, 255.9d);
}

private static LinearRegression BuildClassifier()
{
  var trainingSet = new TrainingSet("attribute1", "attribute2", "class")
    .AddExample(-173, 3, -31)
    .AddExample(-901, 1, 807)
    .AddExample(-901, 1, 807)
    .AddExample(-94, -2, -86);

  return Classifier.Build<LinearRegression>(trainingSet);
}

首先测试显示，如何构建分类器并使用它对新示例进行分类，第二个示例显示如何使用文件中的持久分类器对示例进行分类。如果您需要支持离散属性，则必须进行一些修改。上面的代码使用了2个辅助类：

public class TrainingSet
{
    private readonly List<string> _attributes = new List<string>();
    private readonly List<List<object>> _examples = new List<List<object>>();

    public TrainingSet(params string[] attributes)
    {
      _attributes.AddRange(attributes);
    }

    public int AttributesCount
    {
      get { return _attributes.Count; }
    }

    public int ExamplesCount
    {
      get { return _examples.Count; }
    }

    public TrainingSet AddExample(params object[] example)
    {
      if (example.Length != _attributes.Count)
      {
        throw new InvalidOperationException(
          String.Format("Invalid number of elements in example. Should be {0}, was {1}.", _attributes.Count,
            _examples.Count));
      }


      _examples.Add(new List<object>(example));

      return this;
    }

    public static implicit operator Instances(TrainingSet trainingSet)
    {
      var attributes = trainingSet._attributes.Select(x => new Attribute(x)).ToArray();
      var featureVector = new FastVector(trainingSet.AttributesCount);

      foreach (var attribute in attributes)
      {
        featureVector.addElement(attribute);
      }

      var instances = new Instances("Rel", featureVector, trainingSet.ExamplesCount);
      instances.setClassIndex(trainingSet.AttributesCount - 1);

      foreach (var example in trainingSet._examples)
      {
        var instance = new Instance(trainingSet.AttributesCount);

        for (var i = 0; i < example.Count; i++)
        {
          instance.setValue(attributes[i], Convert.ToDouble(example[i]));
        }

        instances.add(instance);
      }

      return instances;
    }
}

public static class Classifier
{
    public static TClassifier Build<TClassifier>(TrainingSet trainingSet)
      where TClassifier : weka.classifiers.Classifier, new()
    {
      var classifier = new TClassifier();
      classifier.buildClassifier(trainingSet);
      return classifier;
    }

    public static TClassifier Deserialize<TClassifier>(string filename)
    {
      return (TClassifier)SerializationHelper.read(filename);
    }

    public static void Serialize(this weka.classifiers.Classifier classifier, string filename)
    {
      SerializationHelper.write(filename, classifier);
    }

    public static double Classify(this weka.classifiers.Classifier classifier, params object[] example)
    {
      // instance lenght + 1, because class variable is not included in example
      var instance = new Instance(example.Length + 1);

      for (int i = 0; i < example.Length; i++)
      {
        instance.setValue(i, Convert.ToDouble(example[i]));
      }

      return classifier.classifyInstance(instance);
    }
}

Answer 3

我在C＃中创建了一个ML library，用于处理常见的POCO对象。

Answer 4

还有一个名为Encog的项目，它有C＃代码。它是由Jeff Heaton维护的，他是我刚买的“神经网络简介”一书的作者。代码库Git在这里：https://github.com/encog/encog-dotnet-core

Answer 5

我也正在为.NET搜索机器学习库，并在nuget.org/machine-learning上找到了Microsoft Research的Infer.NET：

Infer.NET

C＃中的机器学习库

5 个答案: