vb.net2019- 机器学习ml.net情绪分析(2)
(8)创建机器学习上下文和加载数据函数
Imports SystemImports System.CollectionsImports System.IOImports System.LinqImports Microsoft.Data.DataViewImports Microsoft.MLImports Microsoft.ML.TrainersImports Microsoft.ML.Transforms.TextModule ProgramPrivate ReadOnly _dataPath As String = Path.Combine(Environment.CurrentDirectory, "data", "yelp_labelled.txt")Private ReadOnly _modelPath As String = Path.Combine(Environment.CurrentDirectory, "data", "model.zip")Public ReadOnly Property DataPath As StringGetReturn _dataPathEnd GetEnd PropertyPublic ReadOnly Property ModelPath As StringGetReturn _modelPathEnd GetEnd PropertySub Main(args As String())'创建上下文ML作业Dim mlConText As New MLContextDim splitDataView As TrainCatalogBase.TrainTestData = LoadData(mlConText)End SubPublic Function LoadData(MLContext As MLContext) As TrainCatalogBase.TrainTestData'加载数据,将数据集分为训练集与测试集并返回Return NothingEnd FunctionEnd Module
(9)分割并读入样本数据集
Imports System
Imports System.Collections
Imports System.IO
Imports System.Linq
Imports Microsoft.Data.DataView
Imports Microsoft.ML
Imports Microsoft.ML.Trainers
Imports Microsoft.ML.Transforms.TextModule ProgramPrivate ReadOnly _dataPath As String = Path.Combine(Environment.CurrentDirectory, "data", "yelp_labelled.txt")Private ReadOnly _modelPath As String = Path.Combine(Environment.CurrentDirectory, "data", "model.zip")Public ReadOnly Property DataPath As StringGetReturn _dataPathEnd GetEnd PropertyPublic ReadOnly Property ModelPath As StringGetReturn _modelPathEnd GetEnd PropertySub Main(args As String())'创建上下文ML作业Dim mlConText As New MLContextDim splitDataView As TrainCatalogBase.TrainTestData = LoadData(mlConText)End SubPublic Function LoadData(mlContext As MLContext) As TrainCatalogBase.TrainTestData'加载数据,将数据集分为训练集与测试集并返回'加载数据集通过基本的数据管道dataviewDim dataView As IDataView = mlContext.Data.LoadFromTextFile(Of SentimentData)(_dataPath, hasHeader:=False)'拆分数据集进行模型训练和测试,20%的测试集Dim splitDataView As TrainCatalogBase.TrainTestData = mlContext.BinaryClassification.TrainTestSplit(dataView, testFraction:=0.2)Return splitDataViewEnd Function
End Module
(10)提取特征,确认模型,返回模型
Sub Main(args As String())'创建上下文ML作业Dim mlConText As New MLContextDim splitDataView As TrainCatalogBase.TrainTestData = LoadData(mlConText)Dim model As ITransformer = BuildAndTrainModel(mlConText, splitDataView.TrainSet)
End Sub
Public Function BuildAndTrainModel(mlContext As MLContext, splitTrainSet As IDataView) As ITransformer'将文本列特征化为机器学习算法使用的名为Features的数值向量的FeaturizeText,再将决策树算法追加到管道Dim pipleline = mlContext.Transforms.Text.FeaturizeText(outputColumnName:=DefaultColumnNames.Features, inputColumnName:=NameOf(SentimentData.SentimentText)).Append(mlContext.BinaryClassification.Trainers.FastTree(numLeaves:=50, numTrees:=50, minDatapointsInLeaves:=20))Dim model = pipleline.Fit(splitTrainSet)Return model
End Function
vb.net2019- 机器学习ml.net情绪分析(2)相关推荐
- vb.net2019- 机器学习ml.net情绪分析(1)
训练数据:网站评论可以为正面 (1) 或负面 (0)(情绪). 预测新网站评论的情绪,正面或负面,如以下示例所示: •我喜欢这里的服务员. 他们值得信赖. •这里的汤是最糟糕的. 1.下载 UCI S ...
- vb.net 2019-机器学习ml.net情绪分析(3)
(11)评估模型,保存模型 Imports System Imports System.Collections Imports System.IO Imports System.Linq Import ...
- ML/DL之预测分析类:利用机器学习算法进行预测分析的简介、分析、代码实现之详细攻略
ML/DL之预测分析类:利用机器学习算法进行预测分析的简介.分析.代码实现之详细攻略 目录 机器学习算法进行预测的简介 机器学习算法进行预测的分析 机器学习算法进行预测的代码实现 机器学习算法进行预测 ...
- ML:机器学习模型的稳定性分析简介、常见的解决方法之详细攻略
ML:机器学习模型的稳定性分析简介.常见的解决方法之详细攻略 目录 ML:机器学习模型的稳定性分析简介.常见的解决方法 1.增强稳健性的通用方法 2.提高模型稳定性-适合泛线性模型(如逻辑回归)-幅度 ...
- 朴素贝叶斯 半朴素贝叶斯_使用朴素贝叶斯和N-Gram的Twitter情绪分析
朴素贝叶斯 半朴素贝叶斯 In this article, we'll show you how to classify a tweet into either positive or negativ ...
- python dlib人脸识别_python3+dlib人脸识别及情绪分析
一.介绍 我想做的是基于人脸识别的表情(情绪)分析.看到网上也是有很多的开源库提供使用,为开发提供了很大的方便.我选择目前用的比较多的dlib库进行人脸识别与特征标定.使用python也缩短了开发周期 ...
- 基于大数据的情绪分析
导语 社交媒体.电子邮件.聊天.产品评论和推荐的文本挖掘和分析已经成为几乎所有行业垂直行业研究数据模式的宝贵资源,它能够帮助企业获得更多信息.更加了解客户.预测和增强客户体验.量身定制营销活动,并协助 ...
- 基于大数据的情绪分析(二)
导言 情绪分析使用机器学习算法来确定正面或负面文本内容的方式.情绪分析的示例包括: 快速了解客户评论的基调: 了解客户喜欢或不喜欢的产品或服务. 了解可能影响新客户购买决策的因素. 为企业提供市场意识 ...
- 年终总结:2021年五大人工智能(AI)和机器学习(ML)发展趋势
明年,人工智能技术将在企业运营中更加根深蒂固. 人工智能(AI)和机器学习(ML)一直在改变着我们的世界,但是2020年给这两个改变游戏规则的人带来了新的机遇和紧迫性-预计2021年会有更大的发展. ...
最新文章
- pthread_cond_wait()函数的详解
- 机器学习(MACHINE LEARNING) 【周志华版-”西瓜书“-笔记】 DAY4-决策树
- 蓝宝石英语怎么读_黑金和蓝宝石
- BootStrapJS——modal弹出框
- 零元学Expression Blend 4 - Chapter 4元件重复运用的观念
- uniapp 表单页面_uniapp自定义表单模板经验分享
- Spring boot - 整合 Redis缓存(上)
- vscode 切换开发者工具_大整理!JavaScript开发者的27个神奇VSCode工具
- Android Studio Template(模板)开发,最后有参考
- ASPXGridView生成Excel
- java怎么播放视频_如何播放视频文件 java
- steam密码查看_如何查看和清除Steam中的先前别名
- 雷云Razer Synapse2.0使用测评 -第二次作业
- matlab软件moran值,MATLAB 的moran,LM值
- JAVA自学材料大全与技术路线
- android wifi热点setting
- 基于51单片机的火灾预警系统设计
- 饿了么红包、美团优惠券开发
- 推荐引擎:从搜索到发现
- stm32f302实现斩波控制步进电机_spwm超级无敌stm32步进电机控制教程