Используйте ML.NET Model Builder в Visual Studio для обучения и использования вашей первой модели машинного обучения с ML.NET.
Предсказать уровень солнечной радиации.
Вот несколько пересекающихся зависимостей, которые я вычислил:
- Влажность и солнечное_излучение.
- Температура и солнечное_излучение.
Наилучший результат точности, который я смог получить с помощью перекрестной проверки, составил всего 55%.
но когда я обучил его с помощью AUTOML с помощью построителя моделей ML.NET, он дал точность, как показано ниже, в то время как я использовал данные прогнозирования солнечной активности для прогнозирования целевой переменной как излучения.
ниже приведена сводка классификации и алгоритмы, используемые в прогнозировании.
Резюме |
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
|ML Задача: Классификация |
|Набор данных: D:\SolarPrediction1.txt |
| Этикетка : Радиация |
|Общее время эксперимента: 28,50 сек. |
|Общее количество исследованных моделей: 1 |
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
| Изучено 1 топ-моделей |
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
| Тренер MicroAccuracy MacroAccuracy Длительность #Итерация |
|0 SdcaMaximumEntropyMulti 0,1828 0,1148 28,5 0 |
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
|1 LightGbmMulti 0,1709 0,1352 23,3 1 |
пример git hub:
https://github.com/shilpaakula06/AutoMLDotNet
Вывод:
Для быстрых демонстраций или презентаций мы могли бы использовать это для моделей, чтобы предсказать цель и оценить ее. Но для детального анализа мы должны переосмыслить его использование. Код доступен по указанному выше пути GitHub. Большая часть кода автоматически генерируется для прогнозирования. в то время как новая консоль / веб-API / веб-приложение может быть автоматически сгенерировано с помощью этой функции после прогнозирования модели одним щелчком мыши, код может поддерживаться в git и развертываться в облачной среде Azure.
