NET Core玩转机器学习

关键时刻，第一时间送达！

来源：Bean.Hsiang

http://www.cnblogs.com/BeanHsiang/p/9010267.html

程序员共读整理发布，转载请联系作者获得授权

ML.NET 专门为.NET开发者提供了一套跨平台的开源的机器学习框架。

ML.NET支持.NET开发者不需要过度专业的机器学习开发经验，就能轻松地训练自己的模型，并且嵌入到自己的应用中。一切尽在.NET之中。ML.NET早期是由Microsoft Research开发，近十年来逐步集成到一个大体系中被众多Microsoft产品使用，如大家熟知的Windows、Bing、PowerPoint、Excel之类。

ML.NET的第一个预览版提供了分类器（如文本分类、情感分析）和回归（如价格预测）等实用的机器学习模型。第一版发布后在既有功能之上又新增了关于训练模型的.NET API，使用这些模型进行预测，就像框架中算法、转换、数据结构一类核心组件一样的开发体验。

接下来用个示例，一起进入快速上手的实践中来。

1.安装.NET SDK

为了创建一个.NET应用，首先下载 .NET SDK。

2.创建应用

使用如下命令初始化项目，创建一个控制台应用程序，目标为myApp：

`dotnet new console -o myAppcd myApp`3.安装ML.NET包

使用如下命令安装Microsoft.ML包：

`dotnet add package Microsoft.ML`4.下载数据集

假设我们使用机器学习来预测鸢尾花的类型，比如有setosa、versicolor、virginica三种，基于特征有四种：花瓣长度、花瓣宽度, 萼片长度、萼片宽度。

去UCI Machine Learning Repository: Iris Data Set下载一个现成的数据集，复制粘贴其中的数据到任何一个文本编辑器中，然后保存命名为iris-data.txt到myApp目录中。

粘贴完文本内容应该是如下格式，每一行表示不同鸢尾花的样本，数值的部分从左到右依次是萼片长度、萼片宽度、花瓣长度、花瓣宽度，最后是鸢尾花的类型。

```

5.1,3.5,1.4,0.2,Iris-setosa

4.9,3.0,1.4,0.2,Iris-setosa

4.7,3.2,1.3,0.2,Iris-setosa

…

如果是使用了Visual Studio，将iris-data.txt添加至项目中，需要进行如下配置确保运行时数据集文件在输出的目录中。

5.编写代码

打开Program.cs文件，输入以下代码：

6.运行应用

使用如下命令行运行程序：

`dotnet run`

在最后一行将输出对花的预测结果，你可以修改传给Predict函数各种鸢尾花的特征值看看有什么不同的结果。

恭喜，你已经跨入使用ML.NET进行机器学习的门槛了！