我有FloatLabel和FloatFeatureVector的数据。 FeatureVector的大小是可变的。一旦将模型从csv文件的traindata中进行了划分,我想在即时生成的testdata上运行它。
每个csv
文件只是工厂中每个泵的传感器数据。因此特征向量是可变的(因为某些泵不会具有所有传感器。)我可以加载csv文件,进行特征选择并在其上建立模型并获得得分值(回归)。
接下来,我要以生成的double()()
的矩阵形式在测试数据上运行它。
testdata中的特征大小与traindata相同。我正在使用mlcontext.data.Loadfromenumerable
。
对于可枚举的类,我使用以下一种。
private const int FeatureLength = 10;
public class FloatLabelFloatFeatureVectorSample
{
public float Label;
[VectorType(FeatureLength)]
public float[] Features;
}
如果特征长度不是常数,则会出错。
我在其他地方看到的答案是vague/inconsistent
(请参阅链接:https://github.com/dotnet/machinelearning/issues/164)
我正在使用ml.net 0.11