C# ML.NET，“；分数栏“；不见了

我想在ML.NET中创建我的第一个应用程序。我打赌威斯康星州。我自己创建了generate.csv文件。该文件的一条记录如下所示：

B;11.62;18.18;76.38;408.8;0.1175;0.1483;0.102;0.05564;0.1957;0.07255;0.4101;1.74;3.027;27.85;0.01459;0.03206;0.04961;0.01841;0.01807;0.005217;13.36;25.4;88.14;528.1;0.178;0.2878;0.3186;0.1416;0.266;0.0927

class CancerData
{

    [Column(ordinal: "0")]
    public string Diagnosis;

    [Column(ordinal: "1")]
    public float RadiusMean;

    [Column(ordinal: "2")]
    public float TextureMean;

    [Column(ordinal: "3")]
    public float PerimeterMean;

   //.........

   [Column(ordinal: "28")] 
    public float ConcavPointsWorst;

    [Column(ordinal: "29")]
    public float SymmetryWorst;

    [Column(ordinal: "30")]
    public float FractalDimensionWorst;

    [Column(ordinal: "31", name: "Label")]
    public string Label;
}

得到31个不同的特征（列）

我的

CancerData.cs

如下所示：

B;11.62;18.18;76.38;408.8;0.1175;0.1483;0.102;0.05564;0.1957;0.07255;0.4101;1.74;3.027;27.85;0.01459;0.03206;0.04961;0.01841;0.01807;0.005217;13.36;25.4;88.14;528.1;0.178;0.2878;0.3186;0.1416;0.266;0.0927

class CancerData
{

    [Column(ordinal: "0")]
    public string Diagnosis;

    [Column(ordinal: "1")]
    public float RadiusMean;

    [Column(ordinal: "2")]
    public float TextureMean;

    [Column(ordinal: "3")]
    public float PerimeterMean;

   //.........

   [Column(ordinal: "28")] 
    public float ConcavPointsWorst;

    [Column(ordinal: "29")]
    public float SymmetryWorst;

    [Column(ordinal: "30")]
    public float FractalDimensionWorst;

    [Column(ordinal: "31", name: "Label")]
    public string Label;
}

和

CancerPrediction.cs

class CancerPrediction
{
    [ColumnName("PredictedLabel")]
    public string Diagnosis;

}

我的

程序.cs

：

class Program
{

    static void Main(string[] args)
    {
        PredictionModel<CancerData, CancerPrediction> model = Train();
        Evaluate(model);
    }

    public static PredictionModel<CancerData, CancerPrediction> Train()
    {
        var pipeline = new LearningPipeline();
        pipeline.Add(new TextLoader("Cancer-train.csv").CreateFrom<CancerData>(useHeader: true, separator: ';'));
        pipeline.Add(new Dictionarizer(("Diagnosis", "Label")));
        pipeline.Add(new ColumnConcatenator(outputColumn: "Features",
            "RadiusMean",
            "TextureMean",
            "PerimeterMean",
            //... all of the features
            "FractalDimensionWorst"));
        pipeline.Add(new StochasticDualCoordinateAscentBinaryClassifier());
        pipeline.Add(new PredictedLabelColumnOriginalValueConverter() { PredictedLabelColumn = "PredictedLabel" });
        PredictionModel<CancerData, CancerPrediction> model = pipeline.Train<CancerData, CancerPrediction>();
        model.WriteAsync(modelPath);
        return model;

    }

    public static void Evaluate(PredictionModel<CancerData, CancerPrediction> model)
    {
        var testData = new TextLoader("Cancer-test.csv").CreateFrom<CancerData>(useHeader: true, separator: ';');
        var evaluator = new ClassificationEvaluator();
        ClassificationMetrics metrics = evaluator.Evaluate(model, testData);
        var accuracy = Math.Round(metrics.AccuracyMicro, 2);
        Console.WriteLine("The accuracy is: " + accuracy);
        Console.ReadLine();
    }
}

我得到一个例外：

System.InvalidOperationException:'无法将类型为'R4'的IDataView列'Score'绑定到类型为'System.String'的字段或属性'Score'

一致：

PredictionModel<CancerData, CancerPrediction> model = pipeline.Train<CancerData, CancerPrediction>();

PredictionModel=pipeline.Train（）；

EDIT2

外观：

EDIT3

---

将

分隔符

更改为

，“

并加载未由我准备的原始数据集，它仍在大喊大叫，因为没有

分数

，所以很烦人

我相信我知道问题所在

您正在使用一个

随机DualCoordinateAscentBinaryClassifier

，它是一个二进制分类器

您正在尝试使用多类分类计算器

ClassificationEvaluator

评估结果

我建议您使用

BinaryClassificationEvaluator

来评估二进制分类器模型

确切的问题如下：评估者希望列“Score”是一个向量列，其中包含每个类的分数。它找到的是“Score”列，它是一个标量（只是正类的分数）

因此，它抛出了一些复杂的信息

缺少“分数”列

---

我相信

Score

列需要是一个

float

，这可能就是你得到第二个异常的原因。@Jon仍然是相同的

分数不存在

谢谢！现在它起作用了。遗憾的是，即使在欧洲，也如此缺乏关于该框架的信息documentation@michasaucer我们正在开发新的API，它在错误消息中会对用户更加友好。事实上，这个特殊的问题可能会变成编译时错误。老实说，我没有深入研究文档是我的错，因为我觉得我在ML方面缺乏经验。我对ML.NET的新特性感到非常兴奋，特别是Keras/TF的API或CNN与imaged一起使用的另一个实现；）