首页 > TAG信息列表 > mlContext

ML .NET 二手车价格预测之评估（三）

在模型生成后，可以通过Evaluate方法进行评估 //注意，这里使用txt或者tsv格式的文件 string testCsvPath = Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "TrainData", "test-data2.txt"); string modelDirectory = Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "

ML .NET 二手车价格预测之再次训练与参数调整（二）

再次训练与参数调整 在UsedCarsPricePredictionMLModel.training.cs文件下，有训练设置与训练模型的方法 BuildPipeline方法中是ML .NET自动生成的训练设置，包括选择了哪些参数，预测的字段是什么， 以及调用LightGbm方法，参数配置为 { NumberOfLeaves=17, MinimumExampleCountPer

使用 ML.NET 实现峰值检测来排查异常

机器学习中一类问题称为峰值检测，它旨在识别与大部分时序中明显不同但临时突发的数据值。及时检测到这些可疑的个体、事件或观察值很重要，这样才能尽量减少其产生。异常情况检测是检测时序数据离群值的过程，在给定的输入时序上指向“怪异”或不是预期行为的峰值。 通常有两种类型的时

Dotnet core基于ML.net的销售数据预测实践

ML.net已经进到了1.5版本。作为Microsoft官方的机器学习模型，你不打算用用？   一、前言 ML.net可以让我们很容易地在各种应用场景中将机器学习加入到应用程序中。这是这个框架很重要的一点。 通过ML.net，我们可以使用手中的可用数据，进行预测、分析、检测，而不需要进行过于复杂的编

提升ML.NET模型的准确性

ML.NET是一个面向.NET开发人员的开源、跨平台的机器学习框架。  使用ML.NET，您可以轻松地为诸如情绪分析、价格预测、销售分析、推荐、图像分类等场景构建自定义机器学习模型。 ML.NET从0.8版开始，支持评估特性的重要性，从而了解哪些列对于预测最终值更重要。  排列特征的重要性在

ML.NET技术研究系列-2聚类算法KMeans

上一篇博文我们介绍了ML.NET 的入门： ML.NET技术研究系列1-入门篇 本文我们继续，研究分享一下聚类算法k-means. 一、k-means算法简介 k-means算法是一种聚类算法，所谓聚类，即根据相似性原则，将具有较高相似度的数据对象划分至同一类簇，将具有较高相异度的数据对象划分至不同类簇。 1. k

机器学习框架ML.NET学习笔记【3】文本特征分析

一、要解决的问题 问题：常常一些单位或组织召开会议时需要录入会议记录，我们需要通过机器学习对用户输入的文本内容进行自动评判，合格或不合格。（同样的问题还类似垃圾短信检测、工作日志质量分析等。） 处理思路：我们人工对现有会议记录进行评判，标记合格或不合格，通过对这些记录的学习形成

C#机器学习之判断日报是否合格

简单来说机器学习的核心步骤在于“获取学习数据；选择机器算法；定型模型；评估模型，预测模型结果”，下面本人就以判断日报内容是否合格为例为大家简单的阐述一下C#的机器学习。 第一步：问题分析 根据需求可以得出我们的模型是以日报的内容做为学习的特征确定的，然后通过模型判断将该目标对象