问题标签 [ml.net]

我正在尝试编写一个基本的“hello world”类型程序来预测 XOR 函数的值。这是我收到的错误消息：

参数名称：inputSchema 这是我的代码：

任何关于我做错了什么的指针将不胜感激。

我一直在考虑如何为 ML.NET 调整自行车共享回归示例，请参阅底部的链接。如果您查看此示例中使用的“DemandObservation”数据结构，您可以看到用于回归的所有不同字段。我的问题是，即使我没有所有数据，它是否仍然有效。

例如，也许我有日、月、年等数据，但我没有天气或温度。如果我在进行预测时只传入空白值，回归算法是否仍然有效，还是会导致预测变得完全不准确？我是否必须传递猜测值或以前的值才能使算法起作用？我要做的基本上是让算法预测未来的自行车共享需求。我用这种方法走错路了吗？提前感谢您的帮助。

https://github.com/dotnet/machinelearning-samples/tree/master/samples/csharp/getting-started/Regression_BikeSharingDemand

我是机器学习的新手。我遇到了 ML.NET（Microsoft 的机器学习框架）。我们可以使用这个框架进行语音识别吗？如果你想在 ML.NET 中进行语音识别，你应该知道什么？

我在这里遇到了与 ML.NET 相关的问题，希望有人可以帮助我。

我正在开发一个（.NET 核心）应用程序，它使用在编译时输入未知的 ONNX 模型。到目前为止我所做的：

我能够在运行时编译包含输入类定义的程序集并加载此定义：

此外，我还可以使用反射来训练具有动态创建的 Inputtype 的模型：

但我现在无法做出预测，因为我不知道如何调用 PredictionEngine。我能够获得该 CreatePredictionEngine 方法的通用版本，但现在不知道如何将该返回对象转换为 PredictionEngine 并最终调用 Predict 方法：

predictionEngine在这种情况下是 Type 对象，但我需要将其转换为类似PredictionEngine<genericInputClass, GenericPrediction>, whilegenericInputClass是来自该动态创建的程序集的类，并且GenericPrediction是一个简单的类，我在编译时知道一个输出。

所以缺少的是：

有没有人有类似的问题或有任何其他提示？

我可能错过了一些行，因为我复制/粘贴并很快简化了它。万一有什么遗漏，我稍后会提供。

编辑：我构建了一个最小的例子来展示基本问题。正如评论中提到的，dynamic由于 ML.NET 方法，这是不可能的。

问候斯文

我有以下管道：

管道执行后的“MessageNgrams”列包含浮点向量。如何获得实际的 Ngram，即“一二”、“二树”？

我有一个带有 FloatLabel 和 FloatFeatureVector 的数据。FeatureVector 大小是可变的。一旦模型在 csv 文件中的 traindata 上进行了试验，我想在我动态生成的 testdata 上运行它。

每个csv文件只是来自工厂中每个泵的传感器数据。所以特征向量是可变的（因为一些泵不会有所有的传感器。）我可以加载 csv 文件，进行特征选择并在其上建立模型并获得得分值（回归）。接下来，我想以double()()我正在生成的矩阵形式在 testdata 上运行它。

测试数据中的特征大小与训练数据相同。我正在使用mlcontext.data.Loadfromenumerable. 对于可枚举所需的类，我正在使用下面的类。

如果特征长度不是常数，它会出错。我在其他地方看到的答案是vague/inconsistent （见链接：https ://github.com/dotnet/machinelearning/issues/164 ）

我在用ml.net 0.11

ML.NET 支持 ARM64 了吗？

如果是这样，有人可以提供一个链接或一些步骤来在 ARM64 上进行测试吗？

谢谢你！

任何人都可以帮助我找到正确的方向来完成我的任务吗？问题：我有一个大图像，例如 10 只猫和 5 条狗，如何检测和计算图像中的所有这些猫？

目前我在 ML.NET 上编写的网络只能用一只猫或一只狗对图像进行分类。我使用 Microsoft 官方示例来创建它的 - TensorFlow(ML.NET Scoring) 作为基础。我会很感激任何想法。

对于 ML.NET 0.11，该属性MLContext.Transforms.Categorical似乎只有OneHotEncoding和OneHotHashEncoding作为将分类值转换为特征的选项。我有一些具有高基数的数据列，使用数字表示可能会更好。我们在 ML.NET 中是否有这些选项，或者我是否需要先在外部预处理数据？

我正在使用 ML.NET v0.11.0 创建和保存模型。保存过程似乎有效，但我很难确定如何重新加载该模型以供使用。