0

我目前正在尝试使用 ML.NET，但在第一个项目中我遇到了困难。我正在尝试对正弦值进行预测。

  1. 使用正弦函数 (y = sin(x)) 生成 X 和 Y 值列表
  2. 使用该列表供 ML.NET 学习
  3. 对下一个 X 值进行 Y 预测
  4. 将这些预测附加到列表中

结果：对于以下任何数字，我总是得到一个结果。正弦只是一个可变函数。

这是当前代码：

class Program
{
    private const string FILEPATH = @"sinus.txt";
    private const float XSTART = 0f;
    private const float XEND = 20f;
    private const float XSTEP = 0.1f;
    private const float XEND_FORECAST = 30f;

    static void Main(string[] args)
    {
        GenerateSinusList();

        var pipeline = new LearningPipeline();
        pipeline.Add(new TextLoader(FILEPATH).CreateFrom<Sinus>(separator: ';'));
        pipeline.Add(new ColumnConcatenator("Features", "X"));
        pipeline.Add(new FastTreeRegressor());

        var model = pipeline.Train<Sinus, SinusForecast>();
        PredictUpcomingValues(model);

        Console.WriteLine("done");
        Console.ReadLine();
    }

    static void PredictUpcomingValues(PredictionModel<Sinus, SinusForecast> model)
    {
        using (var sw = System.IO.File.AppendText(FILEPATH))
        {
            sw.WriteLine();
            for (double i = XEND + XSTEP; i < XEND_FORECAST; i += XSTEP)
            {
                var prediction = model.Predict(new Sinus() { X = (float)i });
                var t = string.Format("{0};{1}", i, prediction.ResultY);
                sw.WriteLine(t.Replace(',', '.')); //Quick localization fixSine
            }
            sw.Close();
        }
    }

    static void GenerateSinusList()
    {
        var sinus = GenerateSine(XSTART, XEND, XSTEP);
        var text = string.Join(System.Environment.NewLine, sinus.Select(x => string.Format("{0:};{1}", x.Key, x.Value)));
        System.IO.File.WriteAllText(FILEPATH, text.Replace(',', '.'));

    }

    static Dictionary<float, float> GenerateSine(float from, float to, float step)
    {
        Dictionary<float, float> result = new Dictionary<float, float>((int)((to - from) / step) + 1);

        for (double i = from; i < to; i += step)
        {
            result[(float)i] = (float)Math.Sin(i);
        }
        return result;
    }

    public class Sinus
    {
        [Column("0")]
        public float X;

        [Column("1", name: "Label")]
        public float Y;
    }

    public class SinusForecast
    {
        [ColumnName("Score")]
        public float ResultY;
    }

}

结果：每个值 > 20 返回 0.5429355。该列表如下所示：

  • ...
  • 19.4;0.523066
  • 19.5;0.6055401
  • 19.6;0.6819639
  • 19.7;0.7515736
  • 19.8;0.8136739
  • 19.9;0.8676443
  • 20.1;0.5429355 << 首次预测
  • 20.2;0.5429355
  • 20.3;0.5429355
  • 20.4;0.5429355
  • 20.5;0.5429355
  • 20.6;0.5429355
  • ...

编辑：我正在使用 ML 0.4.0

4

1 回答 1

0

决策树不太擅长外推（即预测超出训练数据范围的数据）。如果您对训练数据进行预测，分数将不会保持不变，实际上会有些合理。

将其转换为插值问题的一种方法是将所有输入映射到正弦函数的一个周期中的相应值。如果您添加另一个特征列 mod(X, 2*Pi)，您也会对测试数据进行很好的预测。

于 2018-10-19T18:40:38.600 回答