這篇文章主要講解了“如何使用.NET 5”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來(lái)研究和學(xué)習(xí)“如何使用.NET 5”吧！

創(chuàng)新互聯(lián)公司是專業(yè)的上街網(wǎng)站建設(shè)公司，上街接單;提供成都網(wǎng)站設(shè)計(jì)、做網(wǎng)站,網(wǎng)頁(yè)設(shè)計(jì),網(wǎng)站設(shè)計(jì),建網(wǎng)站,PHP網(wǎng)站建設(shè)等專業(yè)做網(wǎng)站服務(wù);采用PHP框架,可快速的進(jìn)行上街網(wǎng)站開(kāi)發(fā)網(wǎng)頁(yè)制作和功能擴(kuò)展;專業(yè)做搜索引擎喜愛(ài)的網(wǎng)站,專業(yè)的做網(wǎng)站團(tuán)隊(duì),希望更多企業(yè)前來(lái)合作!

.NET 5 旨在提供統(tǒng)一的運(yùn)行時(shí)和框架，使其在各平臺(tái)都有統(tǒng)一的運(yùn)行時(shí)行為和開(kāi)發(fā)體驗(yàn)。微軟發(fā)布了與 .NET 協(xié)作的大數(shù)據(jù)(.NET for  Spark)和機(jī)器學(xué)習(xí)(ML.NET)工具，這些工具共同提供了富有成效的端到端體驗(yàn)。在本文中，我們將介紹 .NET for Spark、大數(shù)據(jù)、ML.NET  和機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，我們將研究其 API 和功能，向你展示如何開(kāi)始構(gòu)建和消費(fèi)你自己的 Spark 作業(yè)和 ML.NET 模型。

什么是大數(shù)據(jù)

大數(shù)據(jù)是一個(gè)幾乎不言自明的行業(yè)術(shù)語(yǔ)。該術(shù)語(yǔ)指的是大型數(shù)據(jù)集，通常涉及 TB 甚至 PB  級(jí)的信息，這些數(shù)據(jù)集被用作分析的輸入，以揭示數(shù)據(jù)中的模式和趨勢(shì)。大數(shù)據(jù)與傳統(tǒng)工作負(fù)載之間的關(guān)鍵區(qū)別在于，大數(shù)據(jù)往往過(guò)于龐大、復(fù)雜或多變，傳統(tǒng)數(shù)據(jù)庫(kù)和應(yīng)用程序無(wú)法處理。一種流行的數(shù)據(jù)分類(lèi)方式被稱為  "3V"(譯注：即3個(gè)V，Volume 容量、Velocity 速度、Variety 多樣性)。

大數(shù)據(jù)解決方案是為適應(yīng)高容量、處理復(fù)雜多樣的數(shù)據(jù)結(jié)構(gòu)而定制的，并通過(guò)批處理(靜態(tài))和流處理(動(dòng)態(tài))來(lái)管理速度。

大多數(shù)大數(shù)據(jù)解決方案都提供了在數(shù)據(jù)倉(cāng)庫(kù)中存儲(chǔ)數(shù)據(jù)的方式，數(shù)據(jù)倉(cāng)庫(kù)通常是一個(gè)為快速檢索和為并行處理而優(yōu)化的分布式集群。處理大數(shù)據(jù)往往涉及多個(gè)步驟，如下圖所示：

.NET 5 開(kāi)發(fā)人員如果需要基于大型數(shù)據(jù)集進(jìn)行分析和洞察，可以使用基于流行的大數(shù)據(jù)解決方案 Apache Spark 的 .NET 實(shí)現(xiàn)：.NET  for Spark。

.NET for Spark

.NET for Spark 基于 Apache  Spark，這是一個(gè)用于處理大數(shù)據(jù)的開(kāi)源分析引擎。它被設(shè)計(jì)為在內(nèi)存中處理大量數(shù)據(jù)，以提供比其他依賴持久化存儲(chǔ)的解決方案更好的性能。它是一個(gè)分布式系統(tǒng)，并行處理工作負(fù)載。它為加載數(shù)據(jù)、查詢數(shù)據(jù)、處理數(shù)據(jù)和輸出數(shù)據(jù)提供支持。

Apache Spark 支持 Java、Scala、Python、R 和 SQL。微軟創(chuàng)建了 .NET for Spark 以增加對(duì) .NET  的支持。該解決方案提供了免費(fèi)、開(kāi)放、跨平臺(tái)的工具，用于使用 .NET 所支持的語(yǔ)言(如 C#和 F#)構(gòu)建大數(shù)據(jù)應(yīng)用程序，這樣你就可以使用現(xiàn)有的 .NET  庫(kù)，同時(shí)利用 SparkSQL 等 Spark 特性。

以下代碼展示了一個(gè)小而完整的 .NET for Spark 應(yīng)用程序，它讀取一個(gè)文本文件并按降序輸出字?jǐn)?shù)。

using Microsoft.Spark.Sql;  namespace MySparkApp {     class Program     {         static void Main(string[] args)         {             // Create a Spark session.             SparkSession spark = SparkSession.Builder().AppName("word_count_sample").GetOrCreate();              // Create initial DataFrame.             DataFrame dataFrame = spark.Read().Text("input.txt");              // Count words.             DataFrame words = dataFrame.Select(Functions.Split(Functions.Col("value"), " ").Alias("words"))                 .Select(Functions.Explode(Functions .Col("words"))                 .Alias("word"))                 .GroupBy("word")                 .Count()                 .OrderBy(Functions.Col("count").Desc());              // Show results.             words.Show();              // Stop Spark session.             spark.Stop();         }     } }

在開(kāi)發(fā)機(jī)器上配置 .NET for Spark 需要安裝幾個(gè)依賴，包括 Java SDK 和 Apache  Spark。你可以在這里(https://aka.ms/go-spark-net)查看手把手的入門(mén)指南。

Spark for .NET 可在多種環(huán)境中運(yùn)行，并可部署到云中運(yùn)行。可部署目標(biāo)包括 Azure HDInsight、Azure Synapse、AWS  EMR Spark 和 Databricks 等。如果數(shù)據(jù)作為項(xiàng)目可用的一部分，你可以將其與其他 project 文件一起提交。

大數(shù)據(jù)通常與機(jī)器學(xué)習(xí)一起使用，以獲得關(guān)于數(shù)據(jù)的洞察。

什么是機(jī)器學(xué)習(xí)

首先，我們先來(lái)介紹一下人工智能和機(jī)器學(xué)習(xí)的基本知識(shí)。

人工智能(AI)是指計(jì)算機(jī)模仿人類(lèi)智慧和能力，如推理和尋找意義。典型的人工智能技術(shù)通常是從規(guī)則或邏輯系統(tǒng)開(kāi)始的。作為一個(gè)簡(jiǎn)單的例子，想一想這樣的場(chǎng)景：你想把某樣?xùn)|西分類(lèi)為“面包”或“不是面包”。當(dāng)你開(kāi)始時(shí)，這似乎是一個(gè)簡(jiǎn)單的問(wèn)題，例如“如果它有眼睛，它就不是面包”。然而，你很快就會(huì)開(kāi)始意識(shí)到，有很多不同的特征可以將某物定性為面包與非面包，而且特征越多，一系列的  if 語(yǔ)句就會(huì)越長(zhǎng)越復(fù)雜，如下圖所示：

從上圖中的例子可以看出，傳統(tǒng)的、基于規(guī)則的人工智能技術(shù)往往難以擴(kuò)展。這就是機(jī)器學(xué)習(xí)的作用。機(jī)器學(xué)習(xí)(ML)是人工智能的一個(gè)子集，它能在過(guò)去的數(shù)據(jù)中找到模式，并從經(jīng)驗(yàn)中學(xué)習(xí)，以對(duì)新數(shù)據(jù)采取行動(dòng)。ML  允許計(jì)算機(jī)在沒(méi)有明確的邏輯規(guī)則編程的情況下進(jìn)行預(yù)測(cè)。因此，當(dāng)你有一個(gè)難以(或不可能)用基于規(guī)則的編程解決的問(wèn)題時(shí)，你可以使用 ML。你可以把 ML 看作是  "對(duì)不可編程的編程"。

為了用 ML 解決“面包”與“非面包”的問(wèn)題，你提供面包的例子和非面包的例子(如下圖所示)，而不是實(shí)現(xiàn)一長(zhǎng)串復(fù)雜的 if  語(yǔ)句。你將這些例子傳遞給一個(gè)算法，該算法在數(shù)據(jù)中找到模式，并返回一個(gè)模型，然后你可以用這個(gè)模型來(lái)預(yù)測(cè)尚未被模型“看到”的圖像是“面包”還是“不是面包”。

上圖展示了 AI 與 ML 的另一種思考方式。AI 將規(guī)則和數(shù)據(jù)作為輸入，預(yù)期輸出基于這些規(guī)則的答案。而 ML  則是將數(shù)據(jù)和答案作為輸入，輸出可用于對(duì)新數(shù)據(jù)進(jìn)行歸納的規(guī)則。

AI 將規(guī)則和數(shù)據(jù)作為輸入，并根據(jù)這些規(guī)則輸出預(yù)期的答案。ML 將數(shù)據(jù)和答案作為輸入，并輸出可用于概括新數(shù)據(jù)的規(guī)則。

ML.NET

微軟在 2019 年 5 月的 Build 上發(fā)布了 ML.NET，這是一個(gè)面向.NET 開(kāi)發(fā)人員的開(kāi)源、跨平臺(tái) ML  框架。在過(guò)去的九年里，微軟的團(tuán)隊(duì)已經(jīng)廣泛使用該框架的內(nèi)部版本來(lái)實(shí)現(xiàn)流行的 ML 驅(qū)動(dòng)功能;一些例子包括 Dynamics 365 欺詐檢測(cè)、PowerPoint  設(shè)計(jì)理念和 Microsoft Defender 防病毒威脅保護(hù)。

ML.NET 允許你在.NET 生態(tài)系統(tǒng)中構(gòu)建、訓(xùn)練和消費(fèi) ML 模型，而不需要 ML 或數(shù)據(jù)科學(xué)的背景。ML.NET 可以在任何.NET  運(yùn)行的地方運(yùn)行。Windows、Linux、macOS、on-prem、離線場(chǎng)景(如 WinForms 或 WPF 桌面應(yīng)用)或任何云端(如  Azure)中。你可以將 ML.NET 用于各種場(chǎng)景，如表 1 所述。

ML.NET 使用自動(dòng)機(jī)器學(xué)習(xí)(或稱 AutoML)來(lái)自動(dòng)構(gòu)建和訓(xùn)練 ML 模型的過(guò)程，以根據(jù)提供的場(chǎng)景和數(shù)據(jù)找到最佳模型。你可以通過(guò)  AutoML.NET API 或 ML.NET 工具來(lái)使用 ML.NET 的 AutoML，其中包括 Visual Studio 中的 Model  Builder 和跨平臺(tái)的 ML.NET CLI，如圖 6 所示。除了訓(xùn)練最佳模型外，ML.NET 工具還生成在最終用戶.NET 應(yīng)用程序中消費(fèi)模型所需的文件和  C#代碼，該應(yīng)用程序可以是任何.NET 應(yīng)用程序(桌面、Web、控制臺(tái)等)。所有 AutoML 方案都提供了本地訓(xùn)練選項(xiàng)，圖像分類(lèi)也允許你利用云的優(yōu)勢(shì)，使用  Model Builder 中的 Azure ML 進(jìn)行訓(xùn)練。

你可以在 Microsoft Docs 中了解更多關(guān)于 ML.NET 的信息，網(wǎng)址是：https://aka.ms/mlnetdocs。

ML 和大數(shù)據(jù)結(jié)合

大數(shù)據(jù)和 ML 可以很好地結(jié)合在一起。讓我們構(gòu)建一個(gè)同時(shí)使用 Spark for .NET 和 ML.NET 的管道，以展示大數(shù)據(jù)和 ML  如何一起工作。Markdown 是一種用于編寫(xiě)文檔和創(chuàng)建靜態(tài)網(wǎng)站的流行語(yǔ)言，它使用的語(yǔ)法不如 HTML 復(fù)雜，但提供的格式控制比純文本更多。這是從 .NET  文檔庫(kù)中的摘取一段 markdown 文件內(nèi)容：

--- title: Welcome to .NET description: Getting started with the .NET family of technologies. ms.date: 12/03/2019 ms.custom: "updateeachrelease" ---  # Welcome to .NET  See [Get started with .NET Core](core/get-started.md) to learn how to create .NET Core apps.  Build many types of apps with .NET, such as cloud ,IoT, and games using free cross-platform tools...

破折號(hào)之間的部分稱為前頁(yè)(front matter)，是使用 YAML  描述的有關(guān)文檔的元數(shù)據(jù)。以井號(hào)(#)開(kāi)頭的部分是標(biāo)題。兩個(gè)哈希(##)表示二級(jí)標(biāo)題。“ .NET Core 入門(mén)”是一個(gè)超鏈接。

我們的目標(biāo)是處理大量文檔，添加諸如字?jǐn)?shù)和估計(jì)的閱讀時(shí)間之類(lèi)的元數(shù)據(jù)，并將相似的文章自動(dòng)分組在一起。

這是我們將構(gòu)建的管道：

• 為每個(gè)文檔建立字?jǐn)?shù)統(tǒng)計(jì);

• 估計(jì)每個(gè)文檔的閱讀時(shí)間;

• 根據(jù)“ TF-IDF”或“術(shù)語(yǔ)頻率/反向文檔頻率”為每個(gè)文檔創(chuàng)建前 20 個(gè)單詞的列表(這將在后面說(shuō)明)。

第一步是拉取文檔存儲(chǔ)庫(kù)和需引用的應(yīng)用程序。你可以使用任何包含 Markdown 文件的存儲(chǔ)庫(kù)及文件夾結(jié)構(gòu)。本文使用的示例來(lái)自 .NET 文檔存儲(chǔ)庫(kù)，可從  https://aka.ms/dot-net-docs 克隆。

為.NET 和 Spark 準(zhǔn)備本地環(huán)境之后，可以從https://aka.ms/spark-ml-example拉取項(xiàng)目。

解決方案文件夾包含一個(gè)批處理命令(在倉(cāng)庫(kù)中有提供)，你可以使用該命令來(lái)運(yùn)行所有步驟。

處理 Markdown

DocRepoParser 項(xiàng)目以遞歸方式遍歷存儲(chǔ)庫(kù)中的子文件夾，以收集各文檔有關(guān)的元數(shù)據(jù)。Common  項(xiàng)目包含幾個(gè)幫助程序類(lèi)。例如，F(xiàn)ilesHelper 用于所有文件  I/O。它跟蹤存儲(chǔ)文件和文件名的位置，并提供諸如為其他項(xiàng)目讀取文件的服務(wù)。構(gòu)造函數(shù)需要一個(gè)標(biāo)簽(一個(gè)唯一標(biāo)識(shí)工作流的數(shù)字)和包含文檔的 repo  或頂級(jí)文件夾的路徑。默認(rèn)情況下，它在用戶的本地應(yīng)用程序數(shù)據(jù)文件夾下創(chuàng)建一個(gè)文件夾。如有必要，可以將其覆蓋。

MarkdownParser利用 Microsoft.Toolkit.Parsers解析 Markdown  的庫(kù)。該庫(kù)有兩個(gè)任務(wù)：首先，它必須提取標(biāo)題和子標(biāo)題;其次，它必須提取單詞。Markdown 文件以 "塊 "的形式暴露出來(lái)，代表標(biāo)題、鏈接和其他  Markdown 特征。塊又包含承載文本的“Inlines”。例如，這段代碼通過(guò)迭代行和單元格來(lái)解析一個(gè) TableBlock，以找到 Inlines。

case TableBlock table:     table.Rows.SelectMany(r => r.Cells)         .SelectMany(c => c.Inlines)         .ForEach(i => candidate = RecurseInline(i, candidate, words, titles));         break;

此代碼提取超鏈接的文本部分：

case HyperlinkInline hyper:     if (!string.IsNullOrWhiteSpace(hyper.Text))     {         words.Append(hyper.Text.ExtractWords());     }     break;

結(jié)果是一個(gè) CSV 文件，如下圖所示：

第一步只是準(zhǔn)備要處理的數(shù)據(jù)。下一步使用 Spark for .NET 作業(yè)確定每個(gè)文檔的字?jǐn)?shù)，閱讀時(shí)間和前 20 個(gè)術(shù)語(yǔ)。

構(gòu)建 Spark Job

SparkWordsProcessor項(xiàng)目用來(lái)運(yùn)行 Spark 作業(yè)。雖然該應(yīng)用程序是一個(gè)控制臺(tái)項(xiàng)目，但它需要 Spark  來(lái)運(yùn)行。runjob.cmd批處理命令將作業(yè)提交到正確配置的 Windows  計(jì)算機(jī)上運(yùn)行。典型作業(yè)的模式是創(chuàng)建一個(gè)會(huì)話或“應(yīng)用程序”，執(zhí)行一些邏輯，然后停止會(huì)話。

var spark = SparkSession.Builder()     .AppName(nameof(SparkWordsProcessor))     .GetOrCreate(); RunJob(); spark.Stop();

通過(guò)將其路徑傳遞給 Spark 會(huì)話，可以輕松讀取上一步的文件。

var docs = spark.Read().HasHeader().Csv(filesHelper.TempDataFile); docs.CreateOrReplaceTempView(nameof(docs)); var totalDocs = docs.Count();

docs變量解析為一個(gè)DataFrame。Data Frame  本質(zhì)上是一個(gè)帶有一組列和一個(gè)通用接口的表，用于與數(shù)據(jù)交互，而不管其底層來(lái)源是什么。可以從其他 data frame 中引用一個(gè) data  frame。SparkSQL 也可以用來(lái)查詢 data frame。你必須創(chuàng)建一個(gè)臨時(shí)視圖，該視圖為 data frame 提供別名，以便從 SQL  中引用它。通過(guò)CreateOrReplaceTempView方法，可以像這樣從 data frame 中查詢行：

SELECT * FROM docs

totalDocs變量檢索文檔中所有行的計(jì)數(shù)。Spark  提供了一個(gè)名為Split的將字符串分解為數(shù)組的函數(shù)。Explode函數(shù)將每個(gè)數(shù)組項(xiàng)變成一行：

var words = docs.Select(fileCol,     Functions.Split(nameof(FileDataParse.Words)     .AsColumn(), " ")     .Alias(wordList))     .Select(fileCol, Functions.Explode(wordList.AsColumn())     .Alias(word));

該查詢?yōu)槊總€(gè)單詞或術(shù)語(yǔ)生成一行。這個(gè) data frame 是生成術(shù)語(yǔ)頻率(TF)或者說(shuō)每個(gè)文檔中每個(gè)詞的計(jì)數(shù)的基礎(chǔ)。

var termFrequency = words     .GroupBy(fileCol, Functions.Lower(word.AsColumn()).Alias(word))     .Count()     .OrderBy(fileCol, count.AsColumn().Desc());

Spark  有內(nèi)置的模型，可以確定“術(shù)語(yǔ)頻率/反向文檔頻率”。在這個(gè)例子中，你將手動(dòng)確定術(shù)語(yǔ)頻率來(lái)演示它是如何計(jì)算的。術(shù)語(yǔ)在每個(gè)文檔中以特定的頻率出現(xiàn)。一篇關(guān)于  wizard 的文檔可能有很高的“wizard”一詞計(jì)數(shù)。同一篇文檔中，"the "和 "is  "這兩個(gè)詞的出現(xiàn)次數(shù)可能也很高。對(duì)我們來(lái)說(shuō)，很明顯，“wizard”這個(gè)詞更重要，也提供了更多的語(yǔ)境。另一方面，Spark  必須經(jīng)過(guò)訓(xùn)練才能識(shí)別重要的術(shù)語(yǔ)。為了確定什么是真正重要的，我們將總結(jié)文檔頻率(document frequency)，或者說(shuō)一個(gè)詞在 repo  中所有文檔中出現(xiàn)的次數(shù)。這就是“按不同出現(xiàn)次數(shù)分組”：

var documentFrequency = words     .GroupBy(Functions.Lower(word.AsColumn())     .Alias(word))     .Agg(Functions.CountDistinct(fileCol)     .Alias(docFrequency));

現(xiàn)在是計(jì)算的時(shí)候了。一個(gè)特殊的方程式可以計(jì)算出所謂的反向文檔頻率(inverse document frequency)，即  IDF。將總文檔的自然對(duì)數(shù)(加一)輸入方程，然后除以該詞的文檔頻率(加一)。

static double CalculateIdf(int docFrequency, int totalDocuments) =>     Math.Log(totalDocuments + 1) / (docFrequency + 1);

在所有文檔中出現(xiàn)的詞比出現(xiàn)頻率較低的詞賦值低。例如，給定 1000 個(gè)文檔，一個(gè)在每個(gè)文檔中出現(xiàn)的詞與一個(gè)只在少數(shù)文檔中出現(xiàn)的詞(約 1 個(gè))相比，IDF  為 0.003。Spark 支持用戶定義的函數(shù)，你可以這樣注冊(cè)。

spark.Udf().Register<int, int, double>(nameof(CalculateIdf), CalculateIdf);

接下來(lái)，你可以使用該函數(shù)來(lái)計(jì)算 data frame 中所有單詞的 IDF：

var idfPrep = documentFrequency.Select(word.AsColumn(),     docFrequency.AsColumn())         .WithColumn(total, Functions.Lit(totalDocs))         .WithColumn(inverseDocFrequency,             Functions.CallUDF(nameof(CalculateIdf), docFrequency.AsColumn(), total.AsColumn()         )     );

使用文檔頻率 data frame，增加兩列。第一列是文檔的單詞總數(shù)量，第二列是調(diào)用你的 UDF 來(lái)計(jì)算  IDF。還有一個(gè)步驟，就是確定“重要詞”。重要詞是指在所有文檔中不經(jīng)常出現(xiàn)，但在當(dāng)前文檔中經(jīng)常出現(xiàn)的詞，用 TF-IDF 表示，這只是 IDF 和 TF  的產(chǎn)物。考慮“is”的情況，IDF 為 0.002，在文檔中的頻率為 50，而“wizard”的 IDF 為 1，頻率為 10。相比頻率為 10  的“wizard”，“is”的 TF-IDF 計(jì)算結(jié)果為 0.1。這讓 Spark 對(duì)重要性有了更好的概念，而不僅僅是原始字?jǐn)?shù)。

到目前為止，你已經(jīng)使用代碼來(lái)定義 data frame。讓我們嘗試一下 SparkSQL。為了計(jì)算 TF-IDF，你將文檔頻率 data frame  與反向文檔頻率 data frame 連接起來(lái)，并創(chuàng)建一個(gè)名為termFreq_inverseDocFreq的新列。下面是 SparkSQL：

var idfJoin = spark.Sql($"SELECT t.File, d.word, d.{docFrequency}, d.{inverseDocFrequency}, t.count, d.{inverseDocFrequency} * t.count as {termFreq_inverseDocFreq} from {nameof(documentFrequency)} d inner join {nameof(termFrequency)} t on t.word = d.word");

探索代碼，看看最后的步驟是如何實(shí)現(xiàn)的。這些步驟包括：

到目前為止所描述的所有步驟都為 Spark 提供了一個(gè)模板或定義。像 LINQ  查詢一樣，實(shí)際的處理在結(jié)果被具體化之前不會(huì)發(fā)生(比如計(jì)算出總文檔數(shù)時(shí))。最后一步調(diào)用 Collect 來(lái)處理和返回結(jié)果，并將其寫(xiě)入另一個(gè)  CSV。然后，你可以使用新文件作為 ML 模型的輸入，下圖是該文件的一部分：

Spark for .NET 使你能夠查詢和塑造數(shù)據(jù)。你在同一個(gè)數(shù)據(jù)源上建立了多個(gè) data  frame，然后添加它們以獲得關(guān)于重要術(shù)語(yǔ)、字?jǐn)?shù)和閱讀時(shí)間的洞察。下一步是應(yīng)用 ML 來(lái)自動(dòng)生成類(lèi)別。

預(yù)測(cè)類(lèi)別

最后一步是對(duì)文檔進(jìn)行分類(lèi)。DocMLCategorization項(xiàng)目包含了 ML.NET 的Microsoft.ML包。雖然 Spark 使用的是  data frame，但 data view 在 ML.NET 中提供了類(lèi)似的概念。

這個(gè)例子為 ML.NET 使用了一個(gè)單獨(dú)的項(xiàng)目，這樣就可以將模型作為一個(gè)獨(dú)立的步驟進(jìn)行訓(xùn)練。對(duì)于許多場(chǎng)景，可以直接從你的.NET for Spark  項(xiàng)目中引用 ML.NET，并將 ML 作為同一工作的一部分來(lái)執(zhí)行。

首先，你必須對(duì)類(lèi)進(jìn)行標(biāo)記，以便 ML.NET 知道源數(shù)據(jù)中的哪些列映射到類(lèi)中的屬性。在FileData 類(lèi)使用 LoadColumn  注解，就像這樣：

[LoadColumn(0)] public string File { get; set; }  [LoadColumn(1)] public string Title { get; set; }

然后，你可以為模型創(chuàng)建上下文，并從上一步中生成的文件中加載 data view：

var context = new MLContext(seed: 0); var dataToTrain = context.Data     .LoadFromTextFile<FileData>(path: filesHelper.ModelTrainingFile, hasHeader: true, allowQuoting: true, separatorChar: ',');

ML 算法對(duì)數(shù)字的處理效果最好，所以文檔中的文本必須轉(zhuǎn)換為數(shù)字向量。ML.NET  為此提供了FeaturizeText方法。在一個(gè)步驟中，模型分別：

• 檢測(cè)語(yǔ)言

• 將文本標(biāo)記為單個(gè)單詞或標(biāo)記

• 規(guī)范化文本，以便對(duì)單詞的變體進(jìn)行標(biāo)準(zhǔn)化和大小寫(xiě)相似化

• 將這些術(shù)語(yǔ)轉(zhuǎn)換為一致的數(shù)值或準(zhǔn)備處理的“特征向量”

以下代碼將列轉(zhuǎn)換為特征，然后創(chuàng)建一個(gè)結(jié)合了多個(gè)特征的“Features”列。

var pipeline = context.Transforms.Text.FeaturizeText(     nameof(FileData.Title).Featurized(),     nameof(FileData.Title)).Append(context.Transforms.Text.FeaturizeText(nameof(FileData.Subtitle1).Featurized(),     nameof(FileData.Subtitle1))).Append(context.Transforms.Text.FeaturizeText(nameof(FileData.Subtitle2).Featurized(),     nameof(FileData.Subtitle2))).Append(context.Transforms.Text.FeaturizeText(nameof(FileData.Subtitle3).Featurized(),     nameof(FileData.Subtitle3))).Append(context.Transforms.Text.FeaturizeText(nameof(FileData.Subtitle4).Featurized(),     nameof(FileData.Subtitle4))).Append(context.Transforms.Text.FeaturizeText(nameof(FileData.Subtitle5).Featurized(),     nameof(FileData.Subtitle5))).Append(context.Transforms.Text.FeaturizeText(nameof(FileData.Top20Words).Featurized(),     nameof(FileData.Top20Words))).Append(context.Transforms.Concatenate(features, nameof(FileData.Title).Featurized(),     nameof(FileData.Subtitle1).Featurized(),     nameof(FileData.Subtitle2).Featurized(),     nameof(FileData.Subtitle3).Featurized(),     nameof(FileData.Subtitle4).Featurized(),     nameof(FileData.Subtitle5).Featurized(),     nameof(FileData.Top20Words).Featurized()) );

此時(shí)，數(shù)據(jù)已經(jīng)為訓(xùn)練模型做了適當(dāng)?shù)臏?zhǔn)備。訓(xùn)練是無(wú)監(jiān)督的，這意味著它必須用一個(gè)例子來(lái)推斷信息。你沒(méi)有將樣本類(lèi)別輸入到模型中，所以算法必須通過(guò)分析特征如何聚類(lèi)來(lái)找出數(shù)據(jù)的相互關(guān)聯(lián)。你將使用k-means  聚類(lèi)算法。該算法使用特征計(jì)算文檔之間的“距離”，然后圍繞分組后的文檔“繪制”邊界。該算法涉及隨機(jī)化，因此兩次運(yùn)行結(jié)果會(huì)是不相同的。主要的挑戰(zhàn)是確定訓(xùn)練的最佳聚類(lèi)大小。不同的文檔集最好有不同的最佳類(lèi)別數(shù)，但算法需要你在訓(xùn)練前輸入類(lèi)別數(shù)。

代碼在 2 到 20  個(gè)簇之間迭代，以確定最佳大小。對(duì)于每次運(yùn)行，它都會(huì)獲取特征數(shù)據(jù)并應(yīng)用算法或訓(xùn)練器。然后，它根據(jù)預(yù)測(cè)模型對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行轉(zhuǎn)換。對(duì)結(jié)果進(jìn)行評(píng)估，以確定每個(gè)簇中文檔的平均距離，并選擇平均距離最小的結(jié)果。

var options = new KMeansTrainer.Options {     FeatureColumnName = features,     NumberOfClusters = categories, };  var clusterPipeline = pipeline.Append(context.Clustering.Trainers.KMeans(options)); var model = clusterPipeline.Fit(dataToTrain); var predictions = model.Transform(dataToTrain); var metrics = context.Clustering.Evaluate(predictions); distances.Add(categories, metrics.AverageDistance);

經(jīng)過(guò)培訓(xùn)和評(píng)估后，你可以保存最佳模型，并使用它對(duì)數(shù)據(jù)集進(jìn)行預(yù)測(cè)。將生成一個(gè)輸出文件以及一個(gè)摘要，該摘要顯示有關(guān)每個(gè)類(lèi)別的一些元數(shù)據(jù)并在下面列出標(biāo)題。標(biāo)題只是幾個(gè)功能之一，因此有時(shí)需要仔細(xì)研究細(xì)節(jié)才能使類(lèi)別有意義。在本地測(cè)試中，教程之類(lèi)的文檔歸于一組，API  文檔歸于另一組，而例外歸于它們自己的組。

ML zip 文件可與 Prediction Engine 一起用于其他項(xiàng)目中的新數(shù)據(jù)。

機(jī)器學(xué)習(xí)模型另存為單個(gè) zip 文件。該文件可以包含在其他項(xiàng)目中，與 Prediction Engine 一起使用以對(duì)新數(shù)據(jù)進(jìn)行預(yù)測(cè)。例如，你可以創(chuàng)建一個(gè)  WPF 應(yīng)用程序，該應(yīng)用程序允許用戶瀏覽目錄，然后加載并使用經(jīng)過(guò)訓(xùn)練的模型對(duì)文檔進(jìn)行分類(lèi)，而無(wú)需先對(duì)其進(jìn)行訓(xùn)練。

下一步是什么

Spark for .NET 計(jì)劃與.NET 5 同時(shí)在 GA(譯注：GA=General Availability，正式發(fā)布的版本)發(fā)布。請(qǐng)?jiān)L問(wèn)  https://aka.ms/spark-net-roadmap 閱讀路線圖和推出功能的計(jì)劃。(譯注：.NET 5 正式發(fā)布時(shí)間已過(guò)，Spark for  .NET 已隨 .NET 5 正式發(fā)布)

本文著重于本地開(kāi)發(fā)體驗(yàn)，為了充分利用大數(shù)據(jù)的力量，你可以將 Spark 作業(yè)提交到云中。有各種各樣的云主機(jī)可以容納 PB  級(jí)數(shù)據(jù)，并為你的工作負(fù)載提供數(shù)十個(gè)核的計(jì)算能力。Azure Synapse Analytics 是一項(xiàng) Azure  服務(wù)，旨在承載大量數(shù)據(jù)，提供用于運(yùn)行大數(shù)據(jù)作業(yè)的群集，并允許通過(guò)基于圖表的儀表盤(pán)進(jìn)行交互式探索。若要了解如何將 Spark for .NET 作業(yè)提交到  Azure Synapse，請(qǐng)閱讀官方文檔(https://aka.ms/spark-net-synapse)。

下面這張表列舉了 ML.NET 機(jī)器學(xué)習(xí)的常見(jiàn)任務(wù)和場(chǎng)景：

 

感謝各位的閱讀，以上就是“如何使用.NET 5”的內(nèi)容了，經(jīng)過(guò)本文的學(xué)習(xí)后，相信大家對(duì)如何使用.NET 5這一問(wèn)題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！

當(dāng)前標(biāo)題：如何使用.NET5
瀏覽路徑：http://chinadenli.net/article20/jigpjo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供域名注冊(cè)、微信小程序、企業(yè)網(wǎng)站制作、軟件開(kāi)發(fā)、、小程序開(kāi)發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)