使用 ML.NET CLI 自动进行模型训练
ML.NET CLI 可为 .NET 开发人员自动生成模型。
若要单独使用 ML.NET API（不使用 ML.NET AutoML CLI），需要选择训练程序（针对特定任务的机器学习算法的实现），以及要应用到数据的数据转换集（特征工程）。 每个数据集的最佳管道各不相同，从所有选择中选择最佳算法增加了复杂性。 此外，每个算法都有一组要调整的超参数。 因此，可能会花费数周甚至数月时间进行机器学习模型优化，以尝试找到特征工程、学习算法和超参数的最佳组合。
ML.NET CLI 使用自动机器学习 (AutoML) 简化了此过程。
注意
本文涉及目前处于预览状态的 ML.NET CLI 和 ML.NET AutoML，且材料可能会有所变化。
什么是 ML.NET 命令行接口 (CLI)？
ML.NET CLI 是一个 .NET 工具。 安装后，你为其指定一个机器学习任务和一个训练数据集，而它将生成一个 ML.NET 模型以及要运行的 C# 代码，以便在应用程序中使用该模型。
如下图所示，生成高质量的 ML.NET 模型（序列化模型 .zip 文件）以及用于运行该模型/对该模型评分的示例 C# 代码非常简单。 此外，还会生成用于创建/训练该模型的 C# 代码，以便可以研究和迭代用于该生成的“最佳模型”的算法和设置。
可以从自己的数据集生成这些资产而无需自行编码，因此，即使已经了解 ML.NET，它也可以提高工作效率。
目前，ML.NET CLI 支持的 ML 任务包括：
- 分类
- 回归
- 建议
- 图像分类
- 预测
- 定型 (train)
可以使用以下命令根据操作系统及其体系结构安装 ML.NET CLI：
dotnet tool install --global mlnet-<OS>-<ARCH>
例如，x64 版本的 Windows 可以与以下项一起安装：
dotnet tool install --global mlnet-win-x64
有关详细信息，请参阅安装 ML.NET CLI 操作指南。
使用情况示例（分类方案）：
mlnet classification --dataset "yelp_labelled.txt" --label-col 1 --has-header false --train-time 10
还有一个命令，你可以使用 mbconfig 文件进行训练。 启动模型生成器会话时，会创建 mbconfig 文件。
可以在 Windows PowerShell、macOS/Linux bash 或 Windows CMD 上以相同的方式运行它。 但是，表格自动填写（参数建议）不适用于 Windows CMD。
生成的输出资产
CLI 中的 ML 任务命令在输出文件夹中生成以下资产：
- C# 解决方案以及：
- 一个控制台应用，用于运行生成的模型并进行评分（使用该模型在最终用户应用中进行预测）。
- 包含用于生成该模型的训练代码的控制台应用（用于学习目的或模型重新训练）。
- 此序列化模型（“最佳模型”）也作为压缩的 .zip 文件提供，可用于运行预测。
- mbconfig 文件，其中包含允许在模型生成器中打开模型的配置数据。
- 日志文件，包含有关评估的多种算法的所有迭代/扫描的信息（包括其详细配置/管道）。
前两个资产可以直接用于最终用户应用（如 ASP.NET Core Web 应用、服务和桌面应用），以使用生成的 ML 模型进行预测。
第三个资产（训练代码）显示 CLI 用于训练生成的模型的 ML.NET API 代码，因此，可以在后台重新训练模型并调查和迭代 CLI 和 AutoML 选择的特定训练程序/算法及超参数。
了解模型的质量
使用 CLI 工具生成“最佳模型”时，可看到适用于所针对的 ML 任务的质量指标（例如准确性和 R 平方）。
这里总结了按 ML 任务分组的指标，以便于了解自动生成的“最佳模型”的质量。
分类模型的指标
下图显示 CLI 找到的排名前五的模型的分类指标列表：
准确性是分类问题的常用指标，但准确性并不总是用于选择最佳模型的最佳指标，如下文参考中所述。 在某些情况下，需要使用其他指标评估模型的质量。
若要探索和了解由 CLI 输出的指标，请参阅分类评估指标。
回归和建议模型指标
如果观测值与模型预测值之间的差异很小且无偏差，则回归模型能够很好地拟合数据。 可以使用特定指标评估回归。
你将看到一个类似的列表，其中包含 CLI 找到的排名前五的质量模型的指标，但在这种情况下，排名前五的模型与回归 ML 任务相关：
若要探索和了解 CLI 输出的指标，请参阅回归评估指标。
