C# 从字符串而不是文件输入的ml.net列车模型

我一直在使用以下代码行加载文本数据：

pipeline.Add(new TextLoader(dataPath).CreateFrom<SentimentData>(separator: ','));

pipeline.Add（新的文本加载器（数据路径）.CreateFrom（分隔符：'，'）；

但是有没有办法将字符串作为数据注入？假设我们想从数据库中获取模型，我不必先将字符串保存到文件中，或者我需要吗

目前的文档非常糟糕，但它也是微软给我们的一个闪亮的新工具

---

谢谢

您将希望使用在ML.NET的v0.2中引入的CollectionDataSource。您可以获取新的github位或nuget，然后可以在可枚举项上使用CollectionDataSource

您可以在其测试中找到完整的示例：

关于Iris数据的一个示例：

var data = new List<IrisData>() {
    new IrisData { SepalLength = 1f, SepalWidth = 1f ,PetalLength=0.3f, PetalWidth=5.1f, Label=1},
    new IrisData { SepalLength = 1f, SepalWidth = 1f ,PetalLength=0.3f, PetalWidth=5.1f, Label=1},
    new IrisData { SepalLength = 1.2f, SepalWidth = 0.5f ,PetalLength=0.3f, PetalWidth=5.1f, Label=0}
};
var collection = CollectionDataSource.Create(data);

pipeline.Add(collection);
pipeline.Add(new ColumnConcatenator(outputColumn: "Features",
    "SepalLength", "SepalWidth", "PetalLength", "PetalWidth"));
pipeline.Add(new StochasticDualCoordinateAscentClassifier());
PredictionModel<IrisData, IrisPrediction> model = pipeline.Train<IrisData, IrisPrediction>();

IrisPrediction prediction = model.Predict(new IrisData()
{
    SepalLength = 3.3f,
    SepalWidth = 1.6f,
    PetalLength = 0.2f,
    PetalWidth = 5.1f,
});

pipeline = new LearningPipeline();
collection = CollectionDataSource.Create(data.AsEnumerable());
pipeline.Add(collection);
pipeline.Add(new ColumnConcatenator(outputColumn: "Features",
    "SepalLength", "SepalWidth", "PetalLength", "PetalWidth"));
pipeline.Add(new StochasticDualCoordinateAscentClassifier());
model = pipeline.Train<IrisData, IrisPrediction>();

var数据=新列表（）{
新IrisData{separalength=1f，separalWidth=1f，petalalength=0.3f，petalaWidth=5.1f，Label=1}，
新IrisData{separalength=1f，separalWidth=1f，petalalength=0.3f，petalaWidth=5.1f，Label=1}，
新IrisData{separalength=1.2f，separalWidth=0.5f，petalalength=0.3f，PetalWidth=5.1f，Label=0}
};
var collection=CollectionDataSource.Create（数据）；
管道。添加（收集）；
添加（新列连接符（outputColumn:“功能”），
“萼片长度”、“萼片宽度”、“花瓣长度”、“花瓣宽度”）；
添加（新的随机DualCoordinateAscentClassifier（））；
PredictionModel=pipeline.Train（）；
IrisPrediction prediction=model.Predict（新的IrisData（）
{
分离长度=3.3f，
分离宽度=1.6f，
花瓣长度=0.2f，
花瓣宽度=5.1f，
});
管道=新的LearningPipeline（）；
collection=CollectionDataSource.Create（data.AsEnumerable（））；
管道。添加（收集）；
添加（新列连接符（outputColumn:“功能”），
“萼片长度”、“萼片宽度”、“花瓣长度”、“花瓣宽度”）；
添加（新的随机DualCoordinateAscentClassifier（））；
model=pipeline.Train（）；

如何在0.10中执行此操作。正如这里所解释的，我在培训中遇到了问题，github代码与最新版本不一致