小編今天來介紹如何使用visual studio2019工具來實現機器學習工作在.net上的實作。

假設擁有1,048,575筆的歷史計程式的車費資料(下載處)，我們利用這些大數據資料內容，來建立預測模型，然後使用它來預測搭乘下次計程車車資費用。

本內容參考來源於此連結 ，而其資料集的結果如下:

圖:資料集的原始內容

表:資料集欄位說明

欄位名稱	說明	備註
vendor_id	計程車廠商識別碼
rate_code	行程的費率
passenger_count	乘客數目
trip_time_in_secs	行程所花費的時間	排除本欄
trip_distance	行程的距離
payment_type	付款方式
fare_amount	計程車車資	為預測值

※由於預測模型建立後，必須輸入相對應的數據以進行預測，而「trip_time_in_secs」(行程所花費的時間)，在實務面上無法計算出來，所以訓練模型資料的選擇上就排除此類資料。

再來介紹如何利用Visual Studio 2019的工具，在一個既有的專案或是ConsoleApp的專案，滑鼠右鍵選擇「加入」，然後選擇Machine Learning Model (若無此選項，請參考此處新增)

選擇Machine Leaning Model

選擇第二個「值預測」

選擇本機CPU然後「下一步」

檔案請瀏覽至下載的資料集，而並選擇「進階資料選項」

請將trip_time_in_secs的用途設為「Ignore」，儲存後，並按下一步

訓練時間，工具會依檔案大小給予不同的預設值，可彈性調整或是不變，按下「開始訓練」鈕，

在評估階段會顯示籍由上一步的處理後，所訓練出來的模型，對於訓資料的精確度為Rsquared，其值介於0~1之間，愈大愈好，且最佳的演算法模型為FastTreeTweedieRegression，在畫面上也提供了輸入欄位，供輸入測試結果看其當果是否符合預期。

在套用階段，可以選擇要以Console app 或是 WebApi的方式使用，本案例為選擇Console App(按下Add to Solution則會建立一個console專案，並在原本的專案加入參考此專案)

產生的console專案，會出現MLModel1.zip此為訓練的模型檔兩個 c # 檔案MLModel1.consumption.cs、MLMOdel1.training.cs)，未來可複製這些檔案至專案中，依產生的Progrem.cs的範例進行套用

Program.cs範例

一些重點整理:

• 以上所有UI的操作介面方式都是可以用程式執行，資料來源也可以讀資料庫資料。
• 可離線先花大量的時間訓練好產生模型xxxModel.zip，然後正式機上就可快速使用此模式進行預測，可將工作分工處理。
• ML.net提供的功能如下:

資料來源:

資料來源: https://docs.microsoft.com/zh-tw/dotnet/machine-learning/resources/tasks