C# 如何将监控数据加载到MLContext对象中

我的处境 我正在尝试创建一个神经网络，它使用ML.net对两种类型的信号（本质上是或否）进行分类。我有一组数据映射到no，另一组数据映射到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控的（我知道所需的输出），我如何“告诉”

LoadFromTextFile

函数所有这些数据都应该映射为“是”（或1这无关紧要）

我的问题 简言之，如何使用ML.Net中的受监控数据（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);

//创建MLContext
静态MLContext mCont=新的MLContext（）；
//加载数据
IDataView data=mCont.data.LoadFromTextFile（“myYesSignalData.csv”，separatorChar:'，'，hashreader:false）；

ML.NET支持使用

MultiFileSource

类将多个数据集加载到一个

IDataView

：

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

添加标签列可以使用简单的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);
}

公共类类比标签
{
[LoadColumn（0，Global.SAMPLE_SIZE-1）]
[向量类型（全局样本大小）]
公共浮点[]离散信号{get；set；}
}
公共无效添加标签（MLContext mCont）
{
IDataView data=mCont.data.LoadFromTextFile（“myYesSignalData.csv”，separatorChar:'，'，hashreader:false）；
var pipeline=mCont.Transforms.CustomMapping（（输入、输出）=>{
output.DiscreteSignal=input.DiscreteSignal；
输出标签=1；
}，合同名称：空）；
IDataView dataWithLabel=pipeline.Fit（数据）.Transform（数据）；
使用（var stream=newfilestream（“myNewYesSignalData.txt”，FileMode.Create））
mCont.Data.SaveAsText（dataWithLabel，stream）；
}

“myNoSignalData.csv”的类似脚本，其

output.Label=0

而不是

output.Label=1

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);
}