Che cos'è ML.NET e come funziona?

ML.NET offre la possibilità di aggiungere funzionalità di Machine Learning alle applicazioni .NET, in scenari online o offline. Con questa funzionalità è possibile eseguire stime automatiche usando i dati disponibili per l'applicazione. Le applicazioni di Machine Learning usano modelli nei dati per eseguire stime anziché dover essere programmate in modo esplicito.

Per ML.NET è centrale un modello di Machine Learning. Il modello specifica i passaggi necessari per trasformare i dati di input in una stima. Con ML.NET è possibile eseguire il training di un modello personalizzato specificando un algoritmo, oppure importare modelli TensorFlow e ONNX con training preliminare.

Dopo aver creato un modello, è possibile aggiungerlo all'applicazione per eseguire le stime.

ML.NET viene eseguito in Windows, Linux e macOS usando .NET o su Windows con .NET Framework. 64 bit è supportato in tutte le piattaforme. 32 bit è supportato in Windows, ad eccezione delle funzionalità correlate a TensorFlow, LightGBM e ONNX.

La tabella seguente mostra esempi del tipo di stime che è possibile eseguire con ML.NET.

Tipo di previsione Esempio
Classificazione/categorizzazione Suddivisione automatica del feedback dei clienti in categorie positive e negative.
Regressione/stima di valori continui Stimare il prezzo di unità immobiliari sulla base di dimensioni e posizione.
Rilevamento di anomalie Rilevare le transazioni bancarie illecite.
Consigli Suggerire prodotti che possono risultare interessanti agli acquirenti online sulla base dei loro acquisti precedenti.
Serie temporale/dati sequenziali Prevedere il meteo o le vendite del prodotto.
Classificazione immagini Classificare le patologie nelle immagini mediche.
Classificazione testo Classificare i documenti in base al contenuto.
Somiglianza di frasi Misurare la somiglianza di due frasi.

Hello ML.NET World

Il codice del frammento seguente illustra l'applicazione più semplice di ML.NET. Questo esempio crea un modello di regressione lineare per stimare i prezzi di unità immobiliari usando i dati delle dimensioni e del prezzo dell'unità immobiliare.

   using System;
   using Microsoft.ML;
   using Microsoft.ML.Data;

   class Program
   {
       public class HouseData
       {
           public float Size { get; set; }
           public float Price { get; set; }
       }

       public class Prediction
       {
           [ColumnName("Score")]
           public float Price { get; set; }
       }

       static void Main(string[] args)
       {
           MLContext mlContext = new MLContext();

           // 1. Import or create training data
           HouseData[] houseData = {
               new HouseData() { Size = 1.1F, Price = 1.2F },
               new HouseData() { Size = 1.9F, Price = 2.3F },
               new HouseData() { Size = 2.8F, Price = 3.0F },
               new HouseData() { Size = 3.4F, Price = 3.7F } };
           IDataView trainingData = mlContext.Data.LoadFromEnumerable(houseData);

           // 2. Specify data preparation and model training pipeline
           var pipeline = mlContext.Transforms.Concatenate("Features", new[] { "Size" })
               .Append(mlContext.Regression.Trainers.Sdca(labelColumnName: "Price", maximumNumberOfIterations: 100));

           // 3. Train model
           var model = pipeline.Fit(trainingData);

           // 4. Make a prediction
           var size = new HouseData() { Size = 2.5F };
           var price = mlContext.Model.CreatePredictionEngine<HouseData, Prediction>(model).Predict(size);

           Console.WriteLine($"Predicted price for size: {size.Size*1000} sq ft= {price.Price*100:C}k");

           // Predicted price for size: 2500 sq ft= $261.98k
       }
   }

Flusso di lavoro del codice

Il diagramma seguente rappresenta la struttura del codice dell'applicazione e il processo iterativo di sviluppo del modello:

  • Raccogliere e caricare i dati di training in un oggetto IDataView
  • Specificare una pipeline di operazioni per estrarre caratteristiche e applicare un algoritmo di apprendimento automatico
  • Eseguire il training di un modello chiamando Fit() sulla pipeline
  • Valutare il modello ed eseguire l'iterazione per migliorare
  • Salvare il modello in formato binario, per l'uso in un'applicazione
  • Caricare il modello in un oggetto ITransformer
  • Eseguire stime chiamando CreatePredictionEngine.Predict()

Flusso di sviluppo dell'applicazione ML.NET che include componenti per la generazione dei dati, sviluppo di pipeline, training del modello, valutazione del modello e uso del modello

Ora si approfondiranno questi concetti.

Modello di Machine Learning

Un modello ML.NET è un oggetto che contiene le trasformazioni da eseguire sui dati di input per ottenere l'output previsto.

Di base

Il modello più semplice è la regressione lineare bidimensionale, in cui una quantità continua è proporzionale a un'altra, come illustrato nell'esempio di prezzi di unità immobiliari precedente.

Modello di regressione lineare con parametri di distorsione e peso

Il modello è semplicemente: Price=b+Sizew. I parametri b e w vengono stimati adattando una riga a un set di coppie (size, price). I dati usati per trovare i parametri del modello sono detti dati di training. Gli input di un modello di Machine Learning vengono chiamati caratteristiche. In questo esempio Size è l'unica caratteristica. I valori di base usati per il training di un modello di Machine Learning sono detti etichette. In questo caso le etichette sono i valori di Price nel training set.

Più complesso

Un modello più complesso classifica le transazioni finanziarie in categorie usando la descrizione di testo della transazione.

Ogni descrizione di transazione è suddivisa in un set di caratteristiche, tramite la rimozione delle parole e dei caratteri ridondanti e il conteggio delle combinazioni di parole e caratteri. Il set di caratteristiche è usato per il training di un modello lineare sulla base del set di categorie nei dati di training. Più una nuova descrizione è simile a quelle del training set, maggiore è la probabilità che sia assegnata alla stessa categoria.

Modello di classificazione del testo

Sia il modello di tariffazione delle unità immobiliari sia il modello di classificazione del testo sono modelli lineari. A seconda della natura dei dati e del problema da risolvere, è anche possibile usare modelli albero delle decisioni, modelli additivi generalizzati (GAM) e altri ancora. Per altre informazioni sui modelli, vedere Attività.

Preparazione dei dati

Nella maggior parte dei casi i dati disponibili non sono pronti per l'uso nel training di un modello di Machine Learning. I dati non elaborati devono essere preparati o pre-elaborati prima di poter essere usati per trovare i parametri del modello. Può essere necessaria la conversione dei dati da valori stringa a una rappresentazione numerica. I dati di input potrebbero contenere informazioni ridondanti. Potrebbe essere necessario ridurre o espandere le dimensioni dei dati di input. I dati potrebbero richiedere la normalizzazione o la scalatura.

Le esercitazioni di ML.NET illustrano diverse pipeline di elaborazione per dati di testo, immagini, serie temporali e dati numerici usati per attività di apprendimento automatico specifiche.

How to prepare your data (Come preparare i dati) descrive come applicare la preparazioni dei dati a livello generale.

Un'appendice con tutte le trasformazioni è disponibile nella sezione delle risorse.

Valutazione del modello

Dopo aver eseguito il training del modello, come si sa se le stime future verranno eseguite correttamente? Con ML.NET è possibile valutare il modello rispetto a nuovi dati di test.

Ogni tipo di attività di apprendimento automatico dispone di metriche che vengono usate per valutare l'accuratezza e la precisione del modello rispetto al set di dati di test.

Per l'esempio di definizione dei prezzi di unità immobiliari è stata usata l'attività Regressione. Per valutare il modello, aggiungere il codice seguente all'esempio originale.

        HouseData[] testHouseData =
        {
            new HouseData() { Size = 1.1F, Price = 0.98F },
            new HouseData() { Size = 1.9F, Price = 2.1F },
            new HouseData() { Size = 2.8F, Price = 2.9F },
            new HouseData() { Size = 3.4F, Price = 3.6F }
        };

        var testHouseDataView = mlContext.Data.LoadFromEnumerable(testHouseData);
        var testPriceDataView = model.Transform(testHouseDataView);

        var metrics = mlContext.Regression.Evaluate(testPriceDataView, labelColumnName: "Price");

        Console.WriteLine($"R^2: {metrics.RSquared:0.##}");
        Console.WriteLine($"RMS error: {metrics.RootMeanSquaredError:0.##}");

        // R^2: 0.96
        // RMS error: 0.19

Le metriche di valutazione indicano che la quantità di errori è ridotta e che la correlazione tra l'output previsto e l'output del test è elevata. L'operazione è semplice. Negli esempi reali, per ottenere metriche del modello valide sono necessarie più operazioni di ottimizzazione.

Architettura ML.NET

Questa sezione descrive i modelli architettonici di ML.NET. Per gli sviluppatori .NET esperti, alcuni di questi modelli risulteranno familiari e altri meno familiari.

Un'applicazione ML.NET inizia con un oggetto MLContext. Questo oggetto singleton contiene cataloghi. Un catalogo è una factory per il caricamento e salvataggio di dati, le trasformazioni, i formatori e i componenti di gestione del modello. Ogni oggetto di catalogo dispone di metodi per creare diversi tipi di componenti.

Attività Catalogo
Caricamento e salvataggio dei dati DataOperationsCatalog
Preparazione dei dati TransformsCatalog
Classificazione binaria BinaryClassificationCatalog
Classificazione multi-classe MulticlassClassificationCatalog
Rilevamento anomalie AnomalyDetectionCatalog
Clustering ClusteringCatalog
Previsioni ForecastingCatalog
Classifica RankingCatalog
Regressione RegressionCatalog
Elemento consigliato RecommendationCatalog
Serie temporale TimeSeriesCatalog
Uso dei modelli ModelOperationsCatalog

È possibile passare ai metodi di creazione in ognuna delle categorie precedenti. Se si usa Visual Studio i cataloghi sono visualizzabili tramite IntelliSense.

IntelliSense per gli algoritmi di training di regressione

Creare la pipeline

In ogni catalogo è presente un set di metodi di estensione da poter usare per creare pipeline di training.

var pipeline = mlContext.Transforms.Concatenate("Features", new[] { "Size" })
    .Append(mlContext.Regression.Trainers.Sdca(labelColumnName: "Price", maximumNumberOfIterations: 100));

Nel frammento, sia Concatenate che Sdca sono metodi nel catalogo. Ognuno di essi crea un oggetto IEstimator che viene accodato alla pipeline.

A questo punto, gli oggetti sono stati creati, ma non si è verificata alcuna esecuzione.

Eseguire il training del modello

Dopo che sono stati creati gli oggetti nella pipeline, è possibile usare i dati per il training del modello.

var model = pipeline.Fit(trainingData);

La chiamata di Fit() usa i dati di training di input per stimare i parametri del modello. Questo processo è noto come training del modello. Ricordare che il modello di regressione lineare mostrato prima aveva due parametri di modello: bias e weight. Dopo la chiamata Fit() i valori dei parametri sono noti. (La maggior parte dei modelli ha un numero di parametri di molto superiore a questo.)

Per altre informazioni sul training del modello, vedere Come eseguire il training del modello.

L'oggetto modello risultante implementa l'interfaccia ITransformer. In altre parole il modello trasforma i dati di input in stime.

IDataView predictions = model.Transform(inputData);

Usare il modello

È possibile trasformare in stime i dati di input in blocco o un input alla volta. Nell'esempio dei prezzi di unità immobiliari sono state eseguite entrambe le trasformazioni: in blocco per valutare il modello e un input alla volta per eseguire una nuova stima. Ora si analizzano le singole stime.

var size = new HouseData() { Size = 2.5F };
var predEngine = mlContext.CreatePredictionEngine<HouseData, Prediction>(model);
var price = predEngine.Predict(size);

Il metodo CreatePredictionEngine() accetta una classe di input e una classe di output. I nomi di campo o gli attributi di codice determinano i nomi delle colonne di dati usate durante il training del modello e la stima. Per altre informazioni, vedere Eseguire stime con un modellosottoposto a training.

Modelli di dati e schema

Alla base di una pipeline di apprendimento automatico ML.NET si trovano gli oggetti DataView.

Ogni trasformazione nella pipeline presenta uno schema di input (nomi, tipi e dimensioni dei dati che la trasformazione prevede come input) e uno schema di output (nomi, tipi e dimensioni dei dati che vengono prodotti dopo la trasformazione).

Se lo schema di output di una trasformazione della pipeline non corrisponde allo schema di input della trasformazione successiva, ML.NET genera un'eccezione.

Un oggetto visualizzazione include colonne e righe. Ogni colonna ha un nome, un tipo e una lunghezza. Ad esempio, le colonne di input nell'esempio dei prezzi dell’unità immobiliare sono Dimensioni e Prezzo. Sono entrambe di un tipo e sono quantità scalari anziché vettoriali.

Esempio di visualizzazione dati ML.NET con dati di stima dei prezzi di unità immobiliari

Tutti gli algoritmi ML.NET cercano una colonna di input che è un vettore. Per impostazione predefinita, questa colonna vettore è denominata Features (Caratteristiche). Per questo motivo la colonna Size (Dimensioni) è stata concatenata in una nuova colonna denominata Features nell'esempio per i prezzi di unità immobiliari.

var pipeline = mlContext.Transforms.Concatenate("Features", new[] { "Size" })

Tutti gli algoritmi creano a loro volta nuove colonne dopo che hanno eseguito una stima. I nomi fissi di queste nuove colonne dipendono dal tipo di algoritmo di apprendimento automatico. Per l'attività di regressione una delle nuove colonne è chiamata Score (Punteggio) come mostrato nell'attributo dei dati di prezzo.

public class Prediction
{
    [ColumnName("Score")]
    public float Price { get; set; }
}

Per altre informazioni sulle colonne di output delle diverse attività di apprendimento automatico, vedere Attività di apprendimento automatico.

Una proprietà importante degli oggetti DataView è che vengono valutati in modo differito. Le visualizzazioni dei dati vengono caricate ed elaborate solo durante il training e la valutazione del modello e la stima dei dati. Durante la creazione e il testing dell'applicazione ML.NET è possibile usare il debugger di Visual Studio per visualizzare gli oggetti visualizzazione dati tramite la chiamata del metodo Preview.

var debug = testPriceDataView.Preview();

È possibile visualizzare la variabile debug nel debugger ed esaminarne il contenuto. Non usare il metodo Preview nel codice di produzione, perché riduce notevolmente le prestazioni.

Distribuzione di modelli

Nelle applicazioni reali il codice di training e valutazione del modello è separato dalla stima. Di fatto, queste due attività vengono spesso eseguite da team separati. Il team di sviluppo del modello può salvare il modello per l'uso nell'applicazione di stima.

mlContext.Model.Save(model, trainingData.Schema,"model.zip");

Passaggi successivi