标签：idt 建模 方法 names 程序 引用 csharp lower web
在上一篇文章中，我们已经通过LearningPipeline训练好了一个“鸢尾花瓣预测”模型，
var model = pipeline.Train<IrisData, IrisPrediction>();
现在就可以让模型对一条没有人工标注结果的数据进行分析，返回一个预测结果。
var prediction = model.Predict(new IrisData() { SepalLength = 3.3f, SepalWidth = 1.6f, PetalLength = 0.2f, PetalWidth = 5.1f, }); Console.WriteLine($"Predicted flower type is: {prediction.PredictedLabels}");
或者一次预测一批数据
var inputs = new[]{ new IrisData() { SepalLength = 3.3f, SepalWidth = 1.6f, PetalLength = 0.2f, PetalWidth = 5.1f, } ,new IrisData() { SepalLength = 5.2f, SepalWidth = 3.5f, PetalLength = 1.5f, PetalWidth = 0.2f, } }; var predictions = model.Predict(inputs);
但是大多数时候，已经训练好的模型以后还需要继续可以使用，因此需要把它持久化，写入到zip文件中。
await model.WriteAsync("IrisPredictionModel.zip");
一旦建立了机器学习模型，就可以部署它，利用它进行预测。我们可以通过REST API，接受来自客户端的数据输入，并返回预测结果。
dotnet new webapi -o myApi
cd myApi
dotnet add package Microsoft.ML
dotnet restore
要在API中引用我们前面保存的模型，只需将IrisPredictionModel.zip复制到API项目目录中即可。
我们的模型使用数据结构IrisData和IrisPrediction来定义特征和预测属性。因此，当使用我们的模型通过API进行预测时，它也需要引用这些数据结构。因此，我们需要在API项目中定义IrisData和IrisPrediction。类的内容与上一篇文章中创建模型项目中的内容相同。
using Microsoft.ML.Runtime.Api; namespace myApi { public class IrisData { [Column("0")] public float SepalLength; [Column("1")] public float SepalWidth; [Column("2")] public float PetalLength; [Column("3")] public float PetalWidth; [Column("4")] [ColumnName("Label")] public string Label; } }
using Microsoft.ML.Runtime.Api; namespace myApi { public class IrisPrediction { [ColumnName("PredictedLabel")] public string PredictedLabels; } }
现在，在API项目的Controllers目录中，创建PredictController类，用于处理来自客户端的预测请求，它包含一个POST方法
using System; using System.Collections.Generic; using System.Linq; using System.Threading.Tasks; using Microsoft.AspNetCore.Mvc; using Microsoft.ML; namespace myApi.Controllers { [Route("api/[controller]")] [ApiController] public class PredictController : ControllerBase { // POST api/predict [HttpPost] public async Task<string> Post([FromBody] IrisData value) { var model = await PredictionModel.ReadAsync<IrisData,IrisPrediction>("IrisPredictionModel.zip"); var prediction = model.Predict(value); return prediction.PredictedLabels; } } }
使用如下命令行运行程序：
dotnet run
然后，使用POSTMAN或其他工具向http://localhost:5000/api/predict发送POST请求，请求数据类似：
{ "SepalLength": 3.3, "SepalWidth": 1.6, "PetalLength": 0.2, "PetalWidth": 5.1, }
如果成功，将会返回"Iris-virginica"。
标签：idt 建模 方法 names 程序 引用 csharp lower web
原文地址：https://www.cnblogs.com/feiyun0112/p/ML-NET-2.html
