1.预备训练数据

2.根据训练数据生成模型

3.预测

实现：


using System;
using System.Collections.Generic;
using System.IO;
using System.Text;
using System.Threading.Tasks;
using Microsoft.ML;
using Microsoft.ML.Data;
using Microsoft.ML.Models;
using Microsoft.ML.Runtime.Api;
using Microsoft.ML.Runtime.Learners;
using Microsoft.ML.Trainers;
using Microsoft.ML.Transforms;

namespace _03_SG_HDB_Price
{
   public  static class Predictor
    {
        static readonly string _datapath = Path.Combine(Environment.CurrentDirectory, "train.csv");
        static readonly string _testdatapath = Path.Combine(Environment.CurrentDirectory, "test.csv");
        static readonly string _modelpath = Path.Combine(Environment.CurrentDirectory, "Model.zip");

        public class PriceData
        {
            [Column(ordinal: "0", name: "quarter")]
            public string quarter;

            [Column(ordinal: "1", name: "index")]
            public float index;
        }

        public class PricePrediction
        {
            [ColumnName("Score")]
            public float index;
        }

        public static async Task<PricePrediction> Predict(PriceData tt)
        {
            var model = await Train();
            Evaluate(model);

            return model.Predict(tt);
        }

        private static async Task<PredictionModel<PriceData, PricePrediction>> Train()
        {

            var pipeline = new LearningPipeline
            {
                new TextLoader(_datapath).CreateFrom<PriceData>(useHeader: true, separator: ','),
                new ColumnCopier(("index", "Label")),
                new CategoricalOneHotVectorizer(
                    "quarter"),
                new ColumnConcatenator("Features","quarter","index"),
                new FastTreeRegressor()
            };
            PredictionModel<PriceData, PricePrediction> model = pipeline.Train<PriceData, PricePrediction>();
            await model.WriteAsync(_modelpath);
            return model;
        }
        private static void Evaluate(PredictionModel<PriceData, PricePrediction> model)
        {
            var testData = new TextLoader(_testdatapath).CreateFrom<PriceData>(useHeader: true, separator: ',');
            var evaluator = new RegressionEvaluator();
            RegressionMetrics metrics = evaluator.Evaluate(model, testData);
            Console.WriteLine($"Rms = {metrics.Rms}");
            Console.WriteLine($"RSquared = {metrics.RSquared}");
        }

    }
}
2. 调用：

using System;

namespace _03_SG_HDB_Price
{
    class Program
    {
        static void Main(string[] args)
        {
            var prediction = Predictor.Predict(new Predictor.PriceData()
            {
                quarter = "2030-Q4",
                index = 0// predict it
            }).Result;

            Console.WriteLine("Predicted SG hdb house price index: {0}", prediction.index);

            Console.ReadLine();
        }
    }
}


---------------------
作者：_iorilan
来源：CSDN
原文：https://blog.csdn.net/lan_liang/article/details/84680463
版权声明：本文为博主原创文章，转载请附上博文链接！