您现在的位置是:网站首页> 内容页

学习ML.NET(3): 导入数据集

  • 银河国际503144
  • 2019-04-07
  • 385人已阅读
简介机器学习算法需要作用于数据,用来训练算法模型。数据集通常是以纯文本文件存储的表格数据,文件的每一行是一条数据记录,每条记录由多列组成,列之间用分隔符(一般是逗号)分开,例如前面用到过的

机器学习算法需要作用于数据,用来训练算法模型。数据集通常是以纯文本文件存储的表格数据,文件的每一行是一条数据记录,每条记录由多列组成,列之间用分隔符(一般是逗号)分开,例如前面用到过的鸢尾花数据集。

ML.NET中,使用TextLoader将文本文件导入到数据集。使用方式如下:

new TextLoader(filePath).CreateFrom<TInput>()

filePath是数据集文件路径。TInput是数据类,数据类中的每个属性对应数据集文件中的一列,属性使用ColumnAttribute匹配指定源列的索引,例如:

[Column("0")]public float SepalLength

CreateFrom方法包含多个参数,用于指定如何处理文本:

useHeader:文件第一行是否为列名,默认为falseseparator:列分隔符,默认是制表符allowQuotedStrings:列值是否是有引号字符串,默认是true,例如“ABC”实际值是ABC,不包含引号trimWhitespace:是否去除列值结尾空白,默认是false,例如“ABC ”实际值的长度是4,包含一个空格

示例程序

假设有一个数据集test-data.txt,包含1列Id和一列文本数据,列名分别是Col1和Col2,文件内容如下:

"Col1""Col2"1"包含逗号和结尾空格 "2包含逗号 3包含结尾空格

创建对应的数据类,数据类属性名可以不和列名一致,只要索引对应就可以了:

public class TestData{ [Column("0")] public float ID [Column("1")] public string Text}

创建TextLoader:

var loader = new Microsoft.ML.Data.TextLoader("test-data.txt").CreateFrom<TestData>( useHeader: true separator: "" allowQuotedStrings: true trimWhitespace: true)

接着我们载入数据集:

using (var environment = new TlcEnvironment()) { var experiment = environment.CreateExperiment() var output = loader.ApplyStep(null experiment) as ILearningPipelineDataStep experiment.Compile() loader.SetInput(environment experiment) experiment.Run() var data = experiment.GetOutput(output.Data) using (var cursor = data.GetRowCursor((a => true))) { var IDGetter = cursor.GetGetter<float>(0) var TextGetter = cursor.GetGetter<DvText>(1) while(cursor.MoveNext()) { float ID = 0 IDGetter(ref ID) DvText Text = new DvText() TextGetter(ref Text) Console.WriteLine($"ID:{ID}Text:"{Text}"Text长度为{Text.Length}") } } }

最后的输出结果:

ID:1Text:"包含逗号和结尾空格 "Text长度为11ID:2Text:"包含逗号"Text长度为4ID:3Text:"包含结尾空格"Text长度为6

第一行列名被过滤。

第二行的文本列用引号引着,结果是原样输出。

第三行的文本列虽然有逗号,但是作为了分隔符。

第四行的文本列的结尾空白被去除。

 

1 0 9)

文章评论

Top