C# 我的ML.Net推荐算法对RSquared和Root平均值都返回0
我不熟悉机器学习,但我有C#方面的经验,这就是为什么我想学习Ml.net作为熟悉这个主题的一种方式 由于我掌握了这个概念,我决定制作一个啤酒推荐模型,它将接受以前的评论并推荐一种新的啤酒 无论如何,当我运行程序时,下面EvaluateModel中返回的值都返回0。我想再看一眼。谢谢 这就是培训模式C# 我的ML.Net推荐算法对RSquared和Root平均值都返回0,c#,ml.net,C#,Ml.net,我不熟悉机器学习,但我有C#方面的经验,这就是为什么我想学习Ml.net作为熟悉这个主题的一种方式 由于我掌握了这个概念,我决定制作一个啤酒推荐模型,它将接受以前的评论并推荐一种新的啤酒 无论如何,当我运行程序时,下面EvaluateModel中返回的值都返回0。我想再看一眼。谢谢 这就是培训模式 public static ITransformer BuildAndTrainModel(MLContext mlContext, IDataView trainingDataView)
public static ITransformer BuildAndTrainModel(MLContext mlContext, IDataView trainingDataView)
{
IEstimator<ITransformer> estimator = mlContext.Transforms.Categorical.OneHotEncoding(outputColumnName: "abvEncoded", inputColumnName: "abv")
.Append(mlContext.Transforms.Categorical.OneHotEncoding(outputColumnName: "ibuEncoded", inputColumnName: "ibu"))
.Append(mlContext.Transforms.Conversion.MapValueToKey(outputColumnName: "beerIDEncoded", inputColumnName: "beerID"))
.Append(mlContext.Transforms.Categorical.OneHotEncoding(outputColumnName: "nameEncoded", inputColumnName: "name"))
.Append(mlContext.Transforms.Categorical.OneHotEncoding(outputColumnName: "styleEncoded", inputColumnName: "style"))
.Append(mlContext.Transforms.Categorical.OneHotEncoding(outputColumnName: "breweryIDEncoded", inputColumnName: "breweryID"))
.Append(mlContext.Transforms.Conversion.MapValueToKey(outputColumnName: "userIDEncoded", inputColumnName: "userID"))
.Append(mlContext.Transforms.Concatenate("Features", "abvEncoded", "ibuEncoded", "styleEncoded"));
var options = new MatrixFactorizationTrainer.Options
{
MatrixColumnIndexColumnName = "userIDEncoded",
MatrixRowIndexColumnName = "beerIDEncoded",
LabelColumnName = "Label",
NumberOfIterations = 20,
ApproximationRank = 100
};
var trainerEstimator = estimator.Append(mlContext.Recommendation().Trainers.MatrixFactorization(options));
Console.WriteLine("=============== Training the model ===============");
ITransformer model = trainerEstimator.Fit(trainingDataView);
return model;
啤酒的对象类
class Beers
{
[LoadColumn(0)]
public float userID { get; set; }
[LoadColumn(1)]
public string abv { get; set; }
[LoadColumn(2)]
public string ibu { get; set; }
[LoadColumn(3)]
public float beerID { get; set; }
[LoadColumn(4)]
public string name { get; set; }
[LoadColumn(5)]
public string style { get; set; }
[LoadColumn(6)]
public float breweryID { get; set; }
[LoadColumn(7)]
public float ounces { get; set; }
[LoadColumn(8), ColumnName("Label")]
public float rating { get; set; }
}
}
你的训练数据集有多少行?@Jon包括标题,数据集是32行。我打赌这就是原因。我认为数据集不够大,无法从中获得合适的指标。我可以尝试增加数据集。我觉得它与最后一行中的BuildAndTrainModel()有关。Append(mlContext.Transforms.Concatenate(“Features”、“abvEncoded”、“ibuEncoded”、“styleEncoded”);似乎模型可能不完全理解我给它的功能。我不确定你是否需要一个热编码ABV和IBU。这些都是数值,因此它们应该可以按原样使用或通过规范化使用。您的训练数据集有多少行?@Jon包括标题,数据集是32行。我打赌这就是原因。我认为数据集不够大,无法从中获得合适的指标。我可以尝试增加数据集。我觉得它与最后一行中的BuildAndTrainModel()有关。Append(mlContext.Transforms.Concatenate(“Features”、“abvEncoded”、“ibuEncoded”、“styleEncoded”);似乎模型可能不完全理解我给它的功能。我不确定你是否需要一个热编码ABV和IBU。这些都是数值,因此它们应该能够按原样使用或通过规范化使用。
static void Main(string[] args)
{
MLContext mLContext = new MLContext();
(IDataView trainingDataView, IDataView testDataView) = LoadData(mLContext);
ITransformer model = BuildAndTrainModel(mLContext, trainingDataView);
EvaluateModel(mLContext, testDataView, model);
UseModelForSinglePrediction(mLContext, model);
SaveModel(mLContext, trainingDataView.Schema, model);
Console.Read();
class Beers
{
[LoadColumn(0)]
public float userID { get; set; }
[LoadColumn(1)]
public string abv { get; set; }
[LoadColumn(2)]
public string ibu { get; set; }
[LoadColumn(3)]
public float beerID { get; set; }
[LoadColumn(4)]
public string name { get; set; }
[LoadColumn(5)]
public string style { get; set; }
[LoadColumn(6)]
public float breweryID { get; set; }
[LoadColumn(7)]
public float ounces { get; set; }
[LoadColumn(8), ColumnName("Label")]
public float rating { get; set; }
}
}