我正在使用 ML.NET 0.7 并且有一个具有以下结果类的 MulticlassClassification 模型：
public class TestClassOut
{
public string Id { get; set; }
public float[] Score { get; set; }
public string PredictedLabel { get; set; }
}
我想知道Scores 属性上的分数和相应的标签。感觉我应该能够将属性设置为 Tuple<string,float> 或类似的以获得分数所代表的标签。
我知道V0.5上有一个方法：
model.TryGetScoreLabelNames(out scoreLabels);
但似乎在 V0.7 中找不到等价物。
这可以吗？如果有怎么办？
【问题讨论】：
这可能不是您要寻找的答案，但我最终从 TryGetScoreLabelNames 复制了代码（从 0.7 开始，它位于 Legacy 命名空间中）并对其进行调整以使用我输入数据中的架构。下面的 dataView 是我根据预测输入数据创建的 IDataView，因此我可以从中获取架构。
public bool TryGetScoreLabelNames(out string[] names, string scoreColumnName = DefaultColumnNames.Score)
{
names = (string[])null;
Schema outputSchema = model.GetOutputSchema(dataView.Schema);
int col = -1;
if (!outputSchema.TryGetColumnIndex(scoreColumnName, out col))
return false;
int valueCount = outputSchema.GetColumnType(col).ValueCount;
if (!outputSchema.HasSlotNames(col, valueCount))
return false;
VBuffer<ReadOnlyMemory<char>> vbuffer = new VBuffer<ReadOnlyMemory<char>>();
outputSchema.GetMetadata<VBuffer<ReadOnlyMemory<char>>>("SlotNames", col, ref vbuffer);
if (vbuffer.Length != valueCount)
return false;
names = new string[valueCount];
int num = 0;
foreach (ReadOnlyMemory<char> denseValue in vbuffer.DenseValues())
names[num++] = denseValue.ToString();
return true;
}
我也在 gitter for ml.net (https://gitter.im/dotnet/mlnet) 中问了这个问题，并从 Zruty0 得到了这个回复
我最好的建议是预先将标签转换为 0..(N-1)，然后 训练，然后检查生成的“分数”列。这将是一个 大小为 N 的向量，具有每类分数。 PredictedLabel 实际上是 只需 argmax(Score)，您可以通过以下方式获得第二名和其他候选人 排序分数
如果您有一组静态类，这可能是一个更好的选择，但我的情况是一组不断增长的类。
【讨论】：
ValueCount 将在 0.8 中消失，因此您必须改用 ((VectorType)col).Size。
这是不久前提出的问题，但我认为这仍然是一个非常相关的问题，令人惊讶的是它没有得到很多关注，并且在任何 Microsoft ML 中都没有提及（截至撰写本文时）。网络教程。上面的示例代码需要进行一些调整才能使其与 v1.5（预览版）一起使用，所以我想我会发布我如何让它为其他偶然发现此问题的人工作。
在ConsumeModel.cs 中（假设您在 Visual Studio 中使用模型生成器）：
...
// Use model to make prediction on input data
ModelOutput result = predEngine.Predict(input);
var labelNames = new List<string>();
var column = predEngine.OutputSchema.GetColumnOrNull("label");
if (column.HasValue)
{
VBuffer<ReadOnlyMemory<char>> vbuffer = new VBuffer<ReadOnlyMemory<char>>();
column.Value.GetKeyValues(ref vbuffer);
foreach (ReadOnlyMemory<char> denseValue in vbuffer.DenseValues())
labelNames.Add(denseValue.ToString());
}
...
labelNames 现在是result.Score 的并行集合的最终结果。请记住，如果您使用模型构建器重建模型，对生成文件的更改可能会被覆盖。
【讨论】：