Question

我的处境 我正在尝试创建一个神经网络，该网络使用ML.net对两种类型的信号（是或否）进行分类。我有一组数据映射为no，另一组数据映射为yes。我希望用这些数据来训练网络。

我的问题 由于我的训练数据是受监督的（我知道所需的输出），我如何“告诉” LoadFromTextFile函数，所有数据都应映射为“是”（或无所谓1）

我的问题 简而言之，您如何在ML.Net中使用监督数据（我知道我的训练数据的期望输出）来训练网络？

我的数据模型：

public class Analog
{
    [LoadColumn(0, Global.SAMPLE_SIZE - 1)]
    [VectorType(Global.SAMPLE_SIZE)]
    public float[] DiscreteSignal { get; set; }
}

加载代码：

//Create MLContext
static MLContext mCont = new MLContext();

//Load Data
IDataView data = mCont.Data.LoadFromTextFile<Analog>("myYesSignalData.csv", separatorChar: ',', hasHeader: false);

Answer 1

ML.NET支持通过使用IDataView类将多个数据集加载到一个MultiFileSource中：

var loader = mCont.Data.LoadFromTextFile<Analog>(separatorChar: ',', hasHeader: false);
IDataView data = loader.Load(new MultiFileSource("myYesSignalData.csv", "myNoSignalData.csv"));

但是，除了在两个文件中添加标签列之外，我目前看不到让培训师知道哪些示例是肯定的，哪些示例是负面的：在“是”文件中添加一个全为列，在“否”文件添加全零列。然后以这种方式定义Analog类：

public class Analog
{
    [LoadColumn(0, Global.SAMPLE_SIZE - 1)]
    [VectorType(Global.SAMPLE_SIZE)]
    public float[] DiscreteSignal { get; set; }

    [LoadColumn(Global.SAMPLE_SIZE)]
    public float Label { get; set; }
}

添加标签列可以通过一个简单的C＃程序完成，例如：

public class AnalogNoLabel
{
    [LoadColumn(0, Global.SAMPLE_SIZE - 1)]
    [VectorType(Global.SAMPLE_SIZE)]
    public float[] DiscreteSignal { get; set; }
}

public void AddLabel(MLContext mCont)
{
    IDataView data = mCont.Data.LoadFromTextFile<AnalogNoLabel>("myYesSignalData.csv", separatorChar: ',', hasHeader: false);
    var pipeline = mCont.Transforms.CustomMapping<AnalogNoLabel, Analog>((input, output) => {
        output.DiscreteSignal = input.DiscreteSignal;
        output.Label = 1;
    }, contractName: null);
    IDataView dataWithLabel = pipeline.Fit(data).Transform(data);
    using (var stream = new FileStream("myNewYesSignalData.txt", FileMode.Create))
        mCont.Data.SaveAsText(dataWithLabel, stream);
}

，并且使用“ output.Label = 0”代替“ output.Label = 1”的“ myNoSignalData.csv”脚本。

如何将监督数据加载到MLContext对象中

1 个答案: