C#开源跨平台机器学习框架ML.NET----二元分类情绪分析

实现目标

通过我们自己预设的一些训练数据，根据输入的文本来判断情绪是积极的还是消极的。

视频演示

情绪分析实现

01

创建项目

创建新项目名称为MLqingxu的项目

NuGet安装ML

右键项目引用选择管理NuGet管理嚣后在浏览里搜索ML，然后找到Microsoft.ML和Microsoft.ML.FastTree进行安装

02

创建训练模型

我们自己创建一个txt文件的训练模型

新建qingxudata.txt

右键新建项创建一个qingxudata.txt的文本文件

输入模版内容

我们在创建的txt文件中输入了一些场景的话，后面的1代表着积极的情绪，0代表着消极的情绪，一共写了16条，并不多

txt的属性设置

选择这个txt文件后，要记得把文件属性中复制到输出目录设置为如果较新则复制，这样的话会把TXT输出到程序所在目录，保存程序能加载到训练数据。

03

创建数据类

这里我们创建两个类，一个qingxubase类和一个qingxufenxi类

qingxubase.cs

qingxubase类中有两个属性，一个string类型qingxutext代表输入的场景文本，一个bool类型的isgoodorbad代表着是积极还是消极的情绪。其中上面的属性LoadColumn(数字)对应着我们的qingxudata.txt里面的列。

qingxufenxi.cs

qingxufenxi类继承自qingxubase类，然后又加入了三个字段，分别是是否预测，概率及分析的分数

其中红框上需要标注字段名，因为默认的生成名称就是这对应的，如果这里不标注的话，多条预测时会找不到对应的字段

04

窗体布局

Form布局

上面为主界面的面局，我们的主窗体界面加入两个textBox，一个输入，一个显示用的，然后加入三个按钮

05

代码实现

流程

进行情绪分析的实现顺序

1. 加载数据
2. 生成和定型模型
3. 评估模型
4. 使用模型进行预测
5. 查看结果

定义基础参数

_filepath：为我们的txt训练文件。

_mlContext：MLContext 类，所有 ML.NET 操作的起点。 初始化 mlContext 会创建一个新的 ML.NET 环境，可在模型创建工作流对象之间共享该环境。 从概念上讲，它与实体框架中的 DBContext 类似。

_qingxuDataView：ML.NET 中的数据表示为 IDataView 类。IDataView 是用于描述表格数据（数字和文本）的一种灵活且有效的方法。 可从文本文件或实时（例如，SQL 数据库或日志文件）将数据加载到 IDataView 对象。

_transformer：

加载数据

通过LoadFromTextFile加载文件数据到IDataView

利用TrainTestSplit拆分数据集以进行模型训练和测试生成TrainTestData

生成和定型模型

FeaturizeText 进行提取和转换数据

Append 添加学习算法

FIt 定型模型

评估模型

Transform 加载测试数据集

BinaryClassification.Evaluate 创建计算器

初始化训练数据

初始化训练数据就是把上面三步整合到一起，当前面三步完成后，我们就可以进行数据的预测了

输入内容单条预测

CreatePredictionEngine 创建单个测试数据

Predict 进行数据预测

多条集合预测

首先生成了一个要预测的集合

读取集合并进行预测

最后显示数据

测试结果图片

源码下载地址

GitHub:https://github.com/Vaccae/MLNetQingXu.git

-END-