问题标签 [createml]

我正在MLDataTable从 .csv 文件创建一个并希望删除一些行，即特定列具有特定值的所有行 - 这可能吗？

Apple 最近发布了一个允许创建机器学习模型的框架。我对表格数据感兴趣，但我没有在网上找到任何示例。谁能提供一段有效的代码？我尝试了Apple提供的以下内容但没有成功：

特别是这段代码在第 4 行和第 15 行引发了以下错误：

错误：MyPlaygroundu.playground:9:22：错误：使用未解析的标识符“URL”尝试 pricer.write（到：URL（fileURLWithPath：“/Users/createml/HousePricer.mlmodel”））

我正在 XCode 操场上测试新的很棒的 CreateML。我使用 MLImageClassifierBuilder() 和实时视图功能来创建我的模型，并保存它。现在我想将我的 .mlmodel 文件重新导入我的 Playground 以运行更多测试，但我没有找到方法。

当我关闭操场时，这对我来说似乎很明显找到了这种能力。

我担心 Apple 的 CreateML 的法律方面。

在某些情况下，需要带有人物的图像，并且对于欧盟的新 GDPR 2018，图像上的每个人都必须批准使用它。这可能会导致在 2018 年 5 月 GDPR 生效后拍摄的照片出现大量问题。解决此问题的最佳方法是什么？是否可以使用 CreateML 追溯哪些图像已用于创建 CoreML 模型？

先感谢您！

在 Playground 中创建 MLImageClassifierBuilder() 并保存 ML 模型后，它在桌面上保存为“ImageClassifier.mlmodel”。但是如何再次在操场上打开该文件？

我创建了一个数据集，每个字母有 1 个生成的训练图像，每个字母大约有 10 个真实的测试图像。

它们都是 10x14px，黑白（在预处理阶段很好地二值化）。

生成的模型将所有符号识别为“1”（甚至是测试集中的实际图像），所以基本上它根本不起作用。

谁能指出我正确的方向？

这是 CreateML 输出 -

所以我想训练一个 MLClassifier 来识别特定的设备运动。所以我所做的就是记录运动数据和我相应标记的非常记录的数据。当这并没有像我希望的那样奏效时，我开始意识到我必须记录“动作”本身，而不仅仅是暂时的。

所以我连续打包了 5 个数据集（字典），这是我的新训练功能。所以我想，但是在尝试训练我的新数据时，我看到了这个错误，试图创建我的分类器：

在“s”列中遇到的值属于“字典”类型，无法映射到分类值。分类值必须是整数、字符串或无。

现在我正在慢慢放弃......你们有没有人建议或知道为什么我不能使用序列（数组）作为特征？

...

顺便说一句，这是我的 JSON 的一些示例数据：

[{"s":[{"rZ":-1.0,"p":0.2,"aY":-0.0,"rX":1.5,"y":0.1,"r":-1.3,"aZ":0.2,"rY":-2.8,"aX":0.6},{"rZ":-1.9,"p":0.2,"aY":0.0,"rX":2.0,"y":0.2,"r":-1.4,"aZ":0.0,"rY":-3.2,"aX":0.5},{"rZ":-1.8,"p":0.3,"aY":0.0,"rX":2.4,"y":0.2,"r":-1.5,"aZ":0.9,"rY":-4.8,"aX":0.5},{"rZ":-1.6,"p":0.3,"aY":0.0,"rX":2.5,"y":0.3,"r":-1.6,"aZ":0.9,"rY":-3.8,"aX":0.6},{"rZ":-1.8,"p":0.3,"aY":0.1,"rX":2.2,"y":0.3,"r":-1.7,"aZ":0.1,"rY":-3.0,"aX":0.6}],"v":0}]

我用来创建模型的代码：

我正在MLDataTable从给定的 .csv 文件加载一个。根据输入文件的内容自动推断每列的数据类型。
稍后处理表格时，我需要可预测的显式类型。

如何在加载文件时强制执行某种类型，或者在第二步中更改类型？

简化示例：

我是任何与机器学习相关的新手，想知道如何，以及是否有办法从模式中预测简单结果，例如，我有一个[1, 2, 3, 1, 3, 2, 1]. 用户执行操作 3，数据集变为[1, 2, 3, 1, 3, 2, 1, 3]。我如何预测用户接下来会做什么？

我打算将它与CoreML. 我在 Apple 的开发者网站上找到了这个。但是，我相信这是根据模型提供的数据进行预测的。（我假设它将与 CreateML 一起使用）。

解决我的问题的推荐方法是什么？（对不起我的英语，如果需要，我会尽量澄清更多）。谢谢 ：）

我最近承担了一个项目来测试机器学习算法的效率。然而，我很难找到一个平台来实现我的想法。这是我正在尝试做的事情。

我正在尝试创建一个可以识别作曲家古典音乐作品的神经网络。我将使用一组古典剪辑来训练它，每个剪辑时长 5 秒，由 5 位不同的作曲家完成。总共将有 25 首这样的歌曲。该算法无需任何集成到应用程序中，必须能够识别歌曲。我对此算法有一组特定的要求。

1：它必须可用于 MacOS Mojave 或 High Sierra，作为 Python 编程语言中的应用程序或库。

2：它必须有一些关于如何在其中创建神经网络的在线文档。

3：它必须能够处理听觉刺激。（例如，Xcode 10.1 无法使用 MLClassifier 处理听觉刺激。）

4：用户必须能够轻松更改算法中的隐藏层数。

如果所有这些要求都得到满足，并且如果我能够通过通信解决其他问题，我的问题就会得到解决。我期待与 Stack Overflow 社区的成员合作以找到解决方案。感谢您提供的任何帮助。

此致， 苏伦·格里高利安