网络技术|ML.NET 示例(多类分类之问题分类)

GitHub Labeler

ML.NET 版本 API 类型 状态 应用程序类型 数据类型 场景 机器学习任务 算法
v0.7 动态 API 最新的 控制台应用程序 .csv 文件 和 GitHub 问题 问题分类 多类分类 SDCA 多类分类器
这是一个简单的原型应用程序,演示如何使用APIs。主要的重点是创建、训练和使用在 Predictor.cs 类中实现的ML(机器学习)模型。
概述 【网络技术|ML.NET 示例(多类分类之问题分类)】GitHubLabeler 是一个.NET Core控制台应用程序, 它的功能如下:
  • 在被标记的GitHub问题上训练ML模型,以教导模型如何为新问题分配标签。 (例如,您可以使用corefx-issues-train.tsv文件,该文件包含来自包含来自公共的存储库的问题)
  • 标记新问题。 应用程序将从appsettings.json文件中指定的GitHub存储库中获取所有未标记的未解决问题,并使用在上面步骤中创建的受过训练的ML模型对其进行标记
这个ML模型使用的多类分类算法(SdcaMultiClassTrainer)。
输入您的GitHub配置数据
  1. appsettings.json文件中提供您的GitHub数据:
    为了允许应用程序在GitHub存储库中标记问题,您需要向 appsettings.json 文件中提供以下数据。
    { "GitHubToken": "YOUR-GUID-GITHUB-TOKEN", "GitHubRepoOwner": "YOUR-REPO-USER-OWNER-OR-ORGANIZATION", "GitHubRepoName": "YOUR-REPO-SINGLE-NAME" }

    您的用户帐户(GitHubToken)应具有对存储库(GitHubRepoName)的写入权限。

    GitHubRepoOwner可以是GitHub用户ID(即“MyUser”),也可以是GitHub组织(即“dotnet”)。
  2. 提供训练文件
    a. 您可以使用现有的corefx_issues.tsv数据文件来体验该程序。 在这种情况下,将从corefx存储库的标签中选择预测的标签。 无需更改。
    b. 要使用GitHub存储库中的标签,您需要在数据上训练模型。为此,请从您的存储库中导出GitHub问题到.tsv文件,文件包含以下几列:
    • ID - 问题 ID
    • Area - 问题的标签(以这种方式命名以避免与ML.NET中的Label概念混淆)
    • Title - 问题的标题
    • Description - 问题的描述
    将文件添加到Data文件夹下。更新DataSetLocation段以匹配您的文件名:
    private static string DataSetLocation = $"{BaseDatasetsLocation}/corefx-issues-train.tsv";

训练 训练是通过已知示例(在本例中,是包含标签的问题)运行ML模型并教授它如何标记新问题的过程。在这个示例中,它是通过在控制台应用程序调用下列方法来完成:
BuildAndTrainModel(DataSetLocation, ModelFilePathName);

训练完成后,模型将保存为MLModels\GitHubLabelerModel.zip
标记 当模型被训练后,它可以用于预测新问题的标签。
对于没有连接到真正的GitHub存储库的单个测试/演示,请在控制台应用程序中调用下列方法:
TestSingleLabelPrediction(ModelFilePathName);

要访问GitHub存储库的实际问题,请在控制台应用程序中调用另一个方法:
await PredictLabelsAndUpdateGitHub(ModelFilePathName);

为了便于在从GitHub仓库中读取问题时进行测试,它只会加载过去10分钟中创建的并且需要标记的未标记问题。 但是您可以修改这个配置:
Since = DateTime.Now.AddMinutes(-10)

您可以修改这些设置。 在预测标签后,程序会使用预测的标签更新GitHub仓库中的问题。

    推荐阅读