Microsoft MVP성태의 닷넷 이야기
글쓴 사람
정성태 (techsharer at outlook.com)
홈페이지
첨부 파일
(연관된 글이 1개 있습니다.)

ML.NET Model Builder - 회귀(Regression), 다중 분류(Multi-class classification) 예제

지난번에 설명한,

Visual Studio - ML.NET Model Builder 소개
; https://www.sysnet.pe.kr/2/0/11894

예제는 간단한 2진 분류였는데요, 지난 튜토리얼의 마지막 단계까지 가면,

ML.NET Tutorial - Get started in 10 minutes
; https://dotnet.microsoft.com/learn/machinelearning-ai/ml-dotnet-get-started-tutorial/next

이제 또 다른 시나리오를 실습해 보라면서 "Price prediction dataset" 예제 파일을 링크하고 있습니다.

Price prediction dataset
; https://raw.githubusercontent.com/dotnet/machinelearning-samples/master/samples/csharp/getting-started/Regression_TaxiFarePrediction/TaxiFarePrediction/Data/taxi-fare-train.csv

혹시 당황하셨다면 ^^ 완벽한 예제 코드로 정리된 다음의 문서를 보면 됩니다.

dotnet/machinelearning-samples
; https://github.com/dotnet/machinelearning-samples/tree/master/samples/csharp/getting-started/Regression_TaxiFarePrediction




그러니까 결국 문제는 Model Builder를 사용할 때 어떤 종류의 기계학습에 대한 시나리오가 맞는지 선택하는 것입니다.

  1. 회귀
  2. 분류 - {2진 분류, 다중 분류}

일단, 2진 분류는 결과가 Yes/No로 나온다는 점에서 기준이 매우 간단합니다. 그리고 회귀와 다중 분류의 경우는 결과가 학습 데이터의 "Label"로 제한된 것이라면 다중 분류, 그렇지 않고 연속 공간에서 나오는 것이라면 회귀라고 간단하게 정리할 수 있습니다.

따라서, 이번 주제인 "택시 요금 예측(Taxi Fare Prediction)"은 결괏값이 연속 공간이므로 회귀에 해당합니다. 그럼 Model Builder를 간단하게 사용할 수 있겠죠. ^^

1. Scenario
    Price Prediction

2. Data
    Input: File
    Select a file: taxi-fare-train.csv
    Column to Predict (Label): fare_amount

3. Train
    Time to train (seconds): 10

MLModel.zip 파일이 생성되었으면 이전 글과 동일하게 다음의 작업을 추가하고,

1) Install-Package Microsoft.ML
   Install-Package Microsoft.ML.FastTree
2) MLModel.zip 추가 -  "Copy to Output Directory" - "Copy if newer"
3) ModelInput.cs, ModelOutput.cs 추가

예측 코드를 작성하면 됩니다.

using System;
using Microsoft.ML;
using ConsoleApp1ML.Model.DataModels;

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

        ITransformer mlModel = mlContext.Model.Load("MLModel.zip", out DataViewSchema inputSchema);
        var predEngine = mlContext.Model.CreatePredictionEngine<ModelInput, ModelOutput>(mlModel);

        // Create sample data to do a single prediction with it 
        ModelInput sampleData = new ModelInput
        {
            Vendor_id = "VTS",
            Rate_code = 1.0f,
            Passenger_count = 1,
            Trip_time_in_secs = 1140,
            Trip_distance = 3.75f,
            Payment_type = "CRD",
        };

        // Try a single prediction
        ModelOutput result = predEngine.Predict(sampleData);

        Console.WriteLine($"Single Prediction --> Predicted value: {result.Score}");
    }
}

/* 출력 결과
Single Prediction --> Predicted value: 15.95807
*/




이렇게 해서 "2진 분류"와 "회귀"에 대한 예제를 살펴봤는데요. "다중 분류"도 마저 살펴보겠습니다. 다중 분류의 가장 유명한 사례가 바로 붓꽃 판정입니다.

Iris Data Set 
; https://archive.ics.uci.edu/ml/datasets/iris

즉, 결괏값이 택시 요금 예측과 같이 연속 공간이 아니라, 데이터 파일 자체에 포함된 Label(붓꽃 데이터의 경우 class) 집합으로 한정되기 때문에 "다중 분류" 시나리오가 됩니다.

그럼 Python 예제만 있는 붓꽃 분류를 ^^ C# ML.NET으로 해보겠습니다.

우선, 위의 사이트에서 다운로드한 iris.data는 CSV 형식의 파일이지만 아쉽게도 칼럼 정보가 없습니다. 대신 iris.names 파일을 보면 다음과 같이 속성 정보가 있으니,

1. sepal length in cm 
2. sepal width in cm 
3. petal length in cm 
4. petal width in cm 
5. class: 
 -- Iris Setosa 
 -- Iris Versicolour 
 -- Iris Virginica

이를 참고해 iris.data의 첫 행에 다음과 같이 칼럼 정보를 넣고 파일명을 .csv를 붙여 저장합니다.

sepal_length,sepal_width,petal_length,petal_width,class
5.1,3.5,1.4,0.2,Iris-setosa
4.9,3.0,1.4,0.2,Iris-setosa
...[생략]...

끝입니다 이제 Model Builder를 실행해 다음과 같은 설정으로 자동 코드를 생성하고,

1. Scenario
    Custom Scenario

2. Data
    Input: File
    Select a file: iris.data.csv
    Column to Predict (Label): class

3. Train
    Machine learning task: multiclass-classification
    Time to train (seconds): 10

자동 코드가 생성되었으면 역시 우리의 응용 프로그램 프로젝트에 다음과 같은 설정을 한 후,

1) Install-Package Microsoft.ML
2) MLModel.zip 추가 -  "Copy to Output Directory" - "Copy if newer"
3) ModelInput.cs, ModelOutput.cs 추가

간단하게 붓꽃 판정 코드를 만들 수 있습니다. ^^

using ConsoleApp1ML.Model.DataModels;
using Microsoft.ML;
using System;

namespace ConsoleApp2
{
    class Program
    {
        static void Main(string[] args)
        {
            MLContext mlContext = new MLContext();

            ITransformer mlModel = mlContext.Model.Load("MLModel.zip", out DataViewSchema inputSchema);
            var predEngine = mlContext.Model.CreatePredictionEngine<ModelInput, ModelOutput>(mlModel);

            ModelInput sampleData = new ModelInput
            {
                Sepal_length = 5,
                Sepal_width = 2.9f,
                Petal_length = 1,
                Petal_width = 0.2f,
            };

            ModelOutput predictionResult = predEngine.Predict(sampleData);

            Console.WriteLine($"Single Prediction --> Predicted value: {predictionResult.Prediction} | Predicted scores: [{String.Join(",", predictionResult.Score)}]");
        }
    }
}

/* 출력 결과
Single Prediction --> Predicted value: Iris-setosa | Predicted scores: [0.8280767,0.1602236,0.01169968]
*/

엄청 쉽죠? ^^

(첨부 파일은 이 글의 예제 코드를 포함합니다.)




[이 글에 대해서 여러분들과 의견을 공유하고 싶습니다. 틀리거나 미흡한 부분 또는 의문 사항이 있으시면 언제든 댓글 남겨주십시오.]

[연관 글]






[최초 등록일: ]
[최종 수정일: 5/12/2019]

Creative Commons License
이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이센스에 따라 이용하실 수 있습니다.
by SeongTae Jeong, mailto:techsharer at outlook.com

비밀번호

댓글 작성자
 




... 121  122  123  124  125  126  127  128  129  130  131  132  133  134  [135]  ...
NoWriterDateCnt.TitleFile(s)
1713정성태7/11/201445349Windows: 98. 윈도우 시스템 디스크 용량 확보를 위한 "Package Cache" 폴더 이동 [1]
1712정성태7/10/201433892.NET Framework: 450. 영문 윈도우에서 C# 콘솔 프로그램의 유니코드 출력 방법 [3]
1711정성태7/10/201438849Windows: 97. cmd.exe 창에서 사용할 폰트를 추가하는 방법 [1]
1710정성태7/8/201431542개발 환경 구성: 230. 유니코드의 Surrogate Pair, Supplementary Characters가 뭘까요?파일 다운로드2
1709정성태7/8/201428150VS.NET IDE: 91. Visual Studio에서 32/64비트 IIS Express 실행하는 방법
1708정성태7/7/201425509VS.NET IDE: 90. Visual Studio - 사용자 정의 정적 분석 규칙 만드는 방법 [3]파일 다운로드1
1707정성태7/4/201423637.NET Framework: 449. C#에서 C++로 VARIANT 넘겨주는 방법파일 다운로드1
1706정성태7/3/201422092.NET Framework: 448. .NET SmartClient 컨트롤을 윈도우 8/2012에서 활성화하는 방법파일 다운로드1
1705정성태7/2/201436505VC++: 78. 보이어-무어(Boyer-Moore) 알고리즘이 정말 빠를까? [6]파일 다운로드1
1704정성태7/2/201422921.NET Framework: 447. w3wp.exe AppPool 재생(recycle)하는 방법 정리
1703정성태7/2/201423693.NET Framework: 446. Assembly.Load를 이용해 GAC에 등록된 어셈블리를 로드하는 방법 [1]파일 다운로드1
1702정성태6/23/201423613Phone: 11. Xamarin.Forms - 2. XAML을 이용한 페이지 개발파일 다운로드1
1701정성태6/23/201435812개발 환경 구성: 229. .NET Reflector + Reflexil 도구를 이용해 DLL 코드 변경 [4]
1700정성태6/23/201422559VS.NET IDE: 89. Visual Studio에서 기본 제공되는 성능 프로파일 [2]
1699정성태6/22/201424826Phone: 10. Xamarin.Forms - 1. Forms 시작하기 [2]파일 다운로드1
1698정성태6/22/201426723.NET Framework: 445. [부연 설명] 쉬운 C# 코드를 어럽게 이해하기 [2]
1697정성태6/22/201422398VS.NET IDE: 88. Visual Studio에서 직접 컴파일하는 IL 언어 확장 도구 - IL Support
1696정성태6/22/201421851.NET Framework: 444. clojure와 C#을 통해 이해하는 Sequence와 Vector 형식의 차이점 [1]
1695정성태6/21/201420940개발 환경 구성: 228. PowerShell ISE에서 (입력 기능이 있는) 콘솔 응용 프로그램을 시작하는 방법
1694정성태6/21/201422564개발 환경 구성: 227. 닷넷 용 ClojureCLR 개발환경 설정
1693정성태6/20/201423068개발 환경 구성: 226. Clojure 언어의 윈도우 개발환경 설정
1692정성태6/19/201433479오류 유형: 231. Visual Studio 2013 한글 버전 설치 오류 - The form specified for the subject is not one supported or known by the specified trust provider
1691정성태6/18/201428874개발 환경 구성: 225. 유닉스 계열의 tail 명령어가 제공되는 PowerShell [1]
1690정성태6/18/201431601개발 환경 구성: 224. DirectShow 예제 구하는 방법 [3]
1689정성태6/18/201428528오류 유형: 230. C++ 가변 인자 사용시 va_start 파라미터 전달 방법 [2]
1688정성태6/15/201421297오류 유형: 229. 갤럭시 노트 3 환경에서 Xamarin 앱 배포 충돌
... 121  122  123  124  125  126  127  128  129  130  131  132  133  134  [135]  ...