Modell újratanítása

  • Cikk

Ismerje meg, hogyan taníthat be újra egy gépi tanulási modellt ML.NET.

A világ és adatai folyamatosan változnak. Ezért a modelleket is módosítani és frissíteni kell. ML.NET lehetővé teszi a modellek újratanítását a tanult modellparaméterek használatával kiindulópontként, hogy ahelyett, hogy minden alkalommal az alapoktól kezdve folyamatosan építene a korábbi tapasztalatokra.

A következő algoritmusok újrataníthatók ML.NET:

Előre betanított modell betöltése

Először töltse be az előre betanított modellt az alkalmazásba. A betanítási folyamatok és modellek betöltéséről további információt a Betanított modellek mentése és betöltése című témakörben talál.

// 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);

Előre betanított modellparaméterek kinyerése

A modell betöltése után az előre betanított modell tulajdonságának elérésével nyerje ki a Model tanult modellparamétereket. Az előre betanított modell a lineáris regressziós modell OnlineGradientDescentTrainerhasználatával lett betanítve , amely létrehoz egy RegressionPredictionTransformer kimenetet LinearRegressionModelParameters. Ezek a modellparaméterek a modell tanult torzításait és súlyait vagy együtthatóit tartalmazzák. Ezek az értékek az új újratanított modell kiindulópontjaként szolgálnak.

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

Feljegyzés

A modellparaméterek kimenete a használt algoritmustól függ. Például OnlineGradientDescentTrainer az LbfgsMaximumEntropyMulticlassTrainer kimeneteket MaximumEntropyModelParametershasználjaLinearRegressionModelParameters. Modellparaméterek kinyerésekor a megfelelő típusra kell leadni.

Modell újratanítása

A modell újratanításának folyamata nem különbözik a modell betanítási folyamatától. Az egyetlen különbség az, hogy az adatokon kívül a Fit metódus az eredeti tanult modellparamétereket is bemenetként használja, és az újratanítási folyamat kiindulópontjaként használja őket.

// 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);

Ezen a ponton mentheti az újratanított modellt, és használhatja az alkalmazásban. További információkért tekintse meg a betanított modellek mentését és betöltését, valamint az előrejelzések betanított modellvezetőkkel való megjelenítését.

Modellparaméterek összehasonlítása

Honnan tudja, hogy az újratanítás valóban megtörtént-e? Ennek egyik módja az lenne, ha összehasonlítanánk, hogy az újratanított modell paraméterei eltérnek-e az eredeti modell paramétereiétől. Az alábbi kódminta összehasonlítja az eredetit az újratanított modell súlyával, és a konzolon adja ki őket.

// 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]}");
}

Az alábbi táblázat a kimenet megjelenését mutatja be.

Eredeti Újratanított Eltérés
33039.86 56293.76 -23253.9
29099.14 49586.03 -20486.89
28938.38 48609.23 -19670.85
30484.02 53745.43 -23261.41