web-dev-qa-db-ja.com

C#の機械学習ライブラリ

C#に機械学習ライブラリはありますか? [〜#〜] weka [〜#〜] のようなものを探しています。ありがとうございました。

113
Dervin Thunk

GitHubで この素晴らしいリスト をチェックしてください。リストされているフレームワークの中で、Accord.NETはオープンソースであり、2,000以上の星で最も人気があります。

また、Microsoftが提供する.NETの公式機械学習ライブラリを確認してください。 https://github.com/dotnet/machinelearning


[〜#〜] old [〜#〜]

Codeprojectには AForge.net と呼ばれるニューラルネットワークライブラリがあります。 ( Googleコード でホストされているコード)( AForgeホームページ もチェックアウトしてください-ホームページによると、新しいバージョンでは遺伝的アルゴリズムと機械学習もサポートされています。最後にプレイしてからかなり進歩した)

WEKAを使用したことがないので、WEKAのようなものだとは知りません。

(それについての記事もあります sage

55
Simon P Stevens

C#でWekaを使用 もできます。最善の解決策は を使用することですIKVM、このチュートリアルのように 。ただし、ブリッジソフトウェアを使用することもできます。

15
Shane

Wekaは、シェーンが述べたように、IKVMといくつかの「グルーコード」を使用して、C#から非常に簡単に使用できます。 weka page のチュートリアルに従って、wekaの「.Netバージョン」を作成し、次のテストを実行してみてください。

[Fact]
public void BuildAndClassify()
{
  var classifier = BuildClassifier();
  AssertCanClassify(classifier);
}

[Fact]
public void DeserializeAndClassify()
{
  BuildClassifier().Serialize("test.weka");
  var classifier = Classifier.Deserialize<LinearRegression>("test.weka");
  AssertCanClassify(classifier);
}

private static void AssertCanClassify(LinearRegression classifier)
{
  var result = classifier.Classify(-402, -1);
  Assert.InRange(result, 255.8d, 255.9d);
}

private static LinearRegression BuildClassifier()
{
  var trainingSet = new TrainingSet("attribute1", "attribute2", "class")
    .AddExample(-173, 3, -31)
    .AddExample(-901, 1, 807)
    .AddExample(-901, 1, 807)
    .AddExample(-94, -2, -86);

  return Classifier.Build<LinearRegression>(trainingSet);
}

最初のテストでは、分類子を作成して新しいサンプルを分類する方法を示し、2番目のテストでは、ファイルから永続化された分類子を使用してサンプルを分類する方法を示します。あまりにも個別の属性をサポートする必要がある場合、いくつかの変更が必要になります。上記のコードは2つのヘルパークラスを使用します。

public class TrainingSet
{
    private readonly List<string> _attributes = new List<string>();
    private readonly List<List<object>> _examples = new List<List<object>>();

    public TrainingSet(params string[] attributes)
    {
      _attributes.AddRange(attributes);
    }

    public int AttributesCount
    {
      get { return _attributes.Count; }
    }

    public int ExamplesCount
    {
      get { return _examples.Count; }
    }

    public TrainingSet AddExample(params object[] example)
    {
      if (example.Length != _attributes.Count)
      {
        throw new InvalidOperationException(
          String.Format("Invalid number of elements in example. Should be {0}, was {1}.", _attributes.Count,
            _examples.Count));
      }


      _examples.Add(new List<object>(example));

      return this;
    }

    public static implicit operator Instances(TrainingSet trainingSet)
    {
      var attributes = trainingSet._attributes.Select(x => new Attribute(x)).ToArray();
      var featureVector = new FastVector(trainingSet.AttributesCount);

      foreach (var attribute in attributes)
      {
        featureVector.addElement(attribute);
      }

      var instances = new Instances("Rel", featureVector, trainingSet.ExamplesCount);
      instances.setClassIndex(trainingSet.AttributesCount - 1);

      foreach (var example in trainingSet._examples)
      {
        var instance = new Instance(trainingSet.AttributesCount);

        for (var i = 0; i < example.Count; i++)
        {
          instance.setValue(attributes[i], Convert.ToDouble(example[i]));
        }

        instances.add(instance);
      }

      return instances;
    }
}

public static class Classifier
{
    public static TClassifier Build<TClassifier>(TrainingSet trainingSet)
      where TClassifier : weka.classifiers.Classifier, new()
    {
      var classifier = new TClassifier();
      classifier.buildClassifier(trainingSet);
      return classifier;
    }

    public static TClassifier Deserialize<TClassifier>(string filename)
    {
      return (TClassifier)SerializationHelper.read(filename);
    }

    public static void Serialize(this weka.classifiers.Classifier classifier, string filename)
    {
      SerializationHelper.write(filename, classifier);
    }

    public static double Classify(this weka.classifiers.Classifier classifier, params object[] example)
    {
      // instance lenght + 1, because class variable is not included in example
      var instance = new Instance(example.Length + 1);

      for (int i = 0; i < example.Length; i++)
      {
        instance.setValue(i, Convert.ToDouble(example[i]));
      }

      return classifier.classifyInstance(instance);
    }
}
14
Gregor Slavec

一般的なPOCOオブジェクトで動作するように設計されたC#で MLライブラリ を作成しました。

13
Seth Juarez

C#コードを持つEncogというプロジェクトもあります。それは私が少し前に買った「神経回路網入門」本の著者であるジェフ・ヒートンによって維持されています。コードベースGitはここにあります: https://github.com/encog/encog-dotnet-core

2
vanni.torelli

.NETの機械学習ライブラリも検索していますが、Microsoft ResearchのInfer.NETが nuget.org/machine-learning で見つかりました。

2
Ole Lynge