Ripetere il training di un modello

Informazioni su come ripetere il training di un modello di Machine Learning in ML.NET.

Il mondo e i relativi dati cambiano costantemente. Di conseguenza, è necessario modificare e aggiornare anche i modelli. ML.NET offre funzionalità per ripetere il training dei modelli usando i parametri del modello appreso come punto di partenza per continuare a sfruttare le esperienze precedenti anziché iniziare ogni volta da zero.

In ML.NET è possibile ripetere il training degli algoritmi seguenti:

Caricare il modello con training preliminare

Carica prima il modello con training preliminare nell'applicazione. Per altre informazioni sul caricamento di pipeline e modelli di training, vedere Salvare e caricare un modello sottoposto a training.

// Create MLContext
MLContext mlContext = new MLContext();

// Define DataViewSchema of data prep pipeline and trained model
DataViewSchema dataPrepPipelineSchema, modelSchema;

// Load data preparation pipeline
ITransformer dataPrepPipeline = mlContext.Model.Load("data_preparation_pipeline.zip", out dataPrepPipelineSchema);

// Load trained model
ITransformer trainedModel = mlContext.Model.Load("ogd_model.zip", out modelSchema);

Estrarre i parametri del modello con training preliminare

Dopo aver caricato il modello, estrai i parametri del modello appreso accedendo alla proprietà Model del modello con training preliminare. Il modello con training preliminare era stato sottoposto a training usando il modello di regressione lineare OnlineGradientDescentTrainer che crea una classe RegressionPredictionTransformer che restituisce LinearRegressionModelParameters. Questi parametri del modello contengono la distorsione e i pesi o i coefficienti appresi del modello. Questi valori verranno usati come punto iniziale per il nuovo modello.

// Extract trained model parameters
LinearRegressionModelParameters originalModelParameters =
    ((ISingleFeaturePredictionTransformer<object>)trainedModel).Model as LinearRegressionModelParameters;

Nota

L'output dei parametri del modello dipende dall'algoritmo usato. Ad esempio OnlineGradientDescentTrainer usa LinearRegressionModelParameters, mentre LbfgsMaximumEntropyMulticlassTrainer restituisce MaximumEntropyModelParameters. Quando si estraggono i parametri del modello, eseguire il cast al tipo appropriato.

Ripetere il training di un modello

Il processo di ripetizione del training di un modello non è diverso da quello di training di un modello. L'unica differenza sta nel fatto che oltre ai dati, il metodo Fit acquisisce anche i parametri del modello appreso originale come input e li usa come punto di partenza nel processo di ripetizione del training.

// New Data
HousingData[] housingData = new HousingData[]
{
    new HousingData
    {
        Size = 850f,
        HistoricalPrices = new float[] { 150000f,175000f,210000f },
        CurrentPrice = 205000f
    },
    new HousingData
    {
        Size = 900f,
        HistoricalPrices = new float[] { 155000f, 190000f, 220000f },
        CurrentPrice = 210000f
    },
    new HousingData
    {
        Size = 550f,
        HistoricalPrices = new float[] { 99000f, 98000f, 130000f },
        CurrentPrice = 180000f
    }
};

//Load New Data
IDataView newData = mlContext.Data.LoadFromEnumerable<HousingData>(housingData);

// Preprocess Data
IDataView transformedNewData = dataPrepPipeline.Transform(newData);

// Retrain model
RegressionPredictionTransformer<LinearRegressionModelParameters> retrainedModel =
    mlContext.Regression.Trainers.OnlineGradientDescent()
        .Fit(transformedNewData, originalModelParameters);

A questo punto, puoi salvare nuovamente il modello sottoposto a training e usarlo nell'applicazione. Per altre informazioni, vedere salvataggio e caricamento di un modello sottoposto a training ed eseguire stime con guide al modello con training.

Confrontare i parametri del modello

Come si può verificare che il training sia stato effettivamente ripetuto? Un modo per verificarlo è confrontare i parametri del modello di cui si è ripetuto il training con quelli del modello originale e vedere se sono diversi. Il codice di esempio seguente confronta i pesi del modello originale con quelli del modello di nuovo sottoposto a training e li visualizza nella console.

// Extract Model Parameters of re-trained model
LinearRegressionModelParameters retrainedModelParameters = retrainedModel.Model as LinearRegressionModelParameters;

// Inspect Change in Weights
var weightDiffs =
    originalModelParameters.Weights.Zip(
        retrainedModelParameters.Weights, (original, retrained) => original - retrained).ToArray();

Console.WriteLine("Original | Retrained | Difference");
for(int i=0;i < weightDiffs.Count();i++)
{
    Console.WriteLine($"{originalModelParameters.Weights[i]} | {retrainedModelParameters.Weights[i]} | {weightDiffs[i]}");
}

La tabella seguente illustra il possibile output.

Originale Training ripetuto Differenza
33039.86 56293.76 -23253.9
29099.14 49586.03 -20486.89
28938.38 48609.23 -19670.85
30484.02 53745.43 -23261.41