C# に機械学習ライブラリはありますか? 私はWEKAのようなものを求めています。ありがとうございました。
6 に答える
GitHub でこの素晴らしいリストをチェックしてください。リストされているフレームワークの中で、Accord.NET はオープン ソースであり、2,000 を超える星で最も人気があります。
また、Microsoft が提供する .NET 用の公式機械学習ライブラリ ( https://github.com/dotnet/machinelearning ) も確認してください。
年
codeprojectには、AForge.netというニューラル ネットワーク ライブラリがあります。(コードはGoogle codeでホストされています) ( AForge のホームページもチェックしてください- ホームページによると、新しいバージョンでは遺伝的アルゴリズムと機械学習もサポートされるようになりました。最後に遊んでからかなり進歩したようです)
私はそれを使用したことがないので、それがWEKAのようなものかどうかはわかりません.
(使い方の記事もあります)
C# で Weka を使用することもできます。最善の解決策は、このチュートリアルのようにIKVMを使用することですが、ブリッジング ソフトウェアを使用することもできます。
Weka は、シェーンが述べたように、IKVM といくつかの「グルー コード」を使用して、C# から非常に簡単に使用できます。wekaページのチュートリアルに従って wekaの「.Net バージョン」を作成すると、次のテストを実行できます。
[Fact]
public void BuildAndClassify()
{
var classifier = BuildClassifier();
AssertCanClassify(classifier);
}
[Fact]
public void DeserializeAndClassify()
{
BuildClassifier().Serialize("test.weka");
var classifier = Classifier.Deserialize<LinearRegression>("test.weka");
AssertCanClassify(classifier);
}
private static void AssertCanClassify(LinearRegression classifier)
{
var result = classifier.Classify(-402, -1);
Assert.InRange(result, 255.8d, 255.9d);
}
private static LinearRegression BuildClassifier()
{
var trainingSet = new TrainingSet("attribute1", "attribute2", "class")
.AddExample(-173, 3, -31)
.AddExample(-901, 1, 807)
.AddExample(-901, 1, 807)
.AddExample(-94, -2, -86);
return Classifier.Build<LinearRegression>(trainingSet);
}
最初のテストは、分類子を作成して新しい例を分類する方法を示し、2 番目のテストは、ファイルから永続化された分類子を使用して例を分類する方法を示します。個別の属性をサポートする必要がある場合は、いくつかの変更が必要になります。上記のコードは、2 つのヘルパー クラスを使用します。
public class TrainingSet
{
private readonly List<string> _attributes = new List<string>();
private readonly List<List<object>> _examples = new List<List<object>>();
public TrainingSet(params string[] attributes)
{
_attributes.AddRange(attributes);
}
public int AttributesCount
{
get { return _attributes.Count; }
}
public int ExamplesCount
{
get { return _examples.Count; }
}
public TrainingSet AddExample(params object[] example)
{
if (example.Length != _attributes.Count)
{
throw new InvalidOperationException(
String.Format("Invalid number of elements in example. Should be {0}, was {1}.", _attributes.Count,
_examples.Count));
}
_examples.Add(new List<object>(example));
return this;
}
public static implicit operator Instances(TrainingSet trainingSet)
{
var attributes = trainingSet._attributes.Select(x => new Attribute(x)).ToArray();
var featureVector = new FastVector(trainingSet.AttributesCount);
foreach (var attribute in attributes)
{
featureVector.addElement(attribute);
}
var instances = new Instances("Rel", featureVector, trainingSet.ExamplesCount);
instances.setClassIndex(trainingSet.AttributesCount - 1);
foreach (var example in trainingSet._examples)
{
var instance = new Instance(trainingSet.AttributesCount);
for (var i = 0; i < example.Count; i++)
{
instance.setValue(attributes[i], Convert.ToDouble(example[i]));
}
instances.add(instance);
}
return instances;
}
}
public static class Classifier
{
public static TClassifier Build<TClassifier>(TrainingSet trainingSet)
where TClassifier : weka.classifiers.Classifier, new()
{
var classifier = new TClassifier();
classifier.buildClassifier(trainingSet);
return classifier;
}
public static TClassifier Deserialize<TClassifier>(string filename)
{
return (TClassifier)SerializationHelper.read(filename);
}
public static void Serialize(this weka.classifiers.Classifier classifier, string filename)
{
SerializationHelper.write(filename, classifier);
}
public static double Classify(this weka.classifiers.Classifier classifier, params object[] example)
{
// instance lenght + 1, because class variable is not included in example
var instance = new Instance(example.Length + 1);
for (int i = 0; i < example.Length; i++)
{
instance.setValue(i, Convert.ToDouble(example[i]));
}
return classifier.classifyInstance(instance);
}
}
一般的な POCO オブジェクトで動作するように設計された C# でML ライブラリを作成しました。
C# コードを含む Encog というプロジェクトもあります。これは、私が少し前に購入した「Introduction to Neural Network」の著者である Jeff Heaton によって管理されています。コードベース Git はこちら: https://github.com/encog/encog-dotnet-core