Question

我正在尝试使用ML.NET建立多阶段分类管道。我正在使用版本0.11.0。 ML.NET Cookbook中给出的示例可以很好地用于单阶段分类/回归任务。

For eg: Input --> Transformations --> BinaryClassification

我正在尝试建立多阶段分类管道，但遇到了问题。

我的情况是：

Stage I pipeline: 
  Input --> Transformations --> PrimaryClassifier (BinaryClassification) --> PrimaryOutput

Stage II pipeline: 
  PrimaryOutput --> Transformations --> SecondaryClassifier (BinaryClassification) --> SecondaryOutput

我的输入数据和主要输出类别定义为：

public class InputData
{
  [LoadColumn(0)]
  public string id;

  [LoadColumn(1) ColumnName("Label")]
  public bool Label;

  [LoadColumn(2,11), VectorType(10)]
  public float[] rawfeatures;
}

public class OutputData
{
  [ColumnName("PredictedLabel")]
  public bool PredictedLabel;
}

输入数据位于带有标题的简单逗号分隔值文件中。我使用数据加载器加载它。

IDataView trainingDataView = Context.Data.LoadFromTextFile<InputData>(
                               path: Path + "\\" + fileName, 
                               hasHeader: true, 
                               separatorChar: ',');

第一阶段的管道定义为：

var pipeline1 = Context.Transforms.Normalize(outputColumnName: "Features",
                      inputColumnName: "rawfeatures",
                      mode: NormalizingEstimator.NormalizerMode.MinMax)
                .AppendCacheCheckpoint(Context)
                .Append(Context.BinaryClassification.Trainers.FastTree(
                   labelColumnName: "Label", 
                   featureColumnName: "Features"))
                .Append(Context.Transforms.CopyColumns(
                   outputColumnName: "NormalizedFeatures", 
                   inputColumnName: "Features"));

对于Stage II管道，我想从Stage I管道中获取PredictedLabel并将其与Label进行比较，以计算出名为“ IsGood”的列。然后，我想在“ IsGood”作为标签，在“ Features”作为功能列上训练辅助分类器。

Q1：计算“ IsGood”列的最佳方法是什么？是CustomMapping唯一的方法还是有更好的选择？

这个想法是建立一个分类器，该分类器学习将基于特征的输入划分为“好”集群和“坏”集群，然后对“好”和“坏”集群使用单独的自定义分类器。

Q2：如何使用统一的I＆II阶段管道做到这一点？我唯一的选择是将列（阶段II的标签和功能）复制为唯一的名称，然后在其上训练二级分类器吗？

ML.NET多阶段管道

0 个答案: