ML.Net Неверное значение в строке 7 в столбце Метка - PullRequest
Новая
       42

ML.Net Неверное значение в строке 7 в столбце Метка

0 голосов
/ 16 октября 2018

Я пытаюсь ML.NET для базового анализа настроений , как указано в ссылке https://docs.microsoft.com/en-us/dotnet/machine-learning/tutorials/sentiment-analysis.
Я следовал шаг за шагом и использовал те же файлы, что ив ссылке для обучения.Также проверил все комментарии и ответы в аналогичной проблеме от другого пользователя по этой ссылке:
ml.net предупреждение анализа предупреждений об ошибках формата и неправильных значениях

Но все равно появляются следующие ошибки.Большая часть обучающих данных привела к ошибкам, как показано ниже (обработано 860 строк с 818 ошибочными значениями).В идеале этого не должно происходить, поскольку данные и код предоставлены с официального сайта Microsoft (первая ссылка приведена выше).Код и ошибка вставлены ниже.

Есть ли какие-либо изменения в данных сайта Microsoft, которые они еще не обновили?

Not adding a normalizer.
Making per-feature arrays
Changing data from row-wise to column-wise
  Bad value at line 8 in column Label
  Bad value at line 112 in column Label
  Bad value at line 187 in column Label
  Bad value at line 9 in column Label
  Bad value at line 10 in column Label
  Bad value at line 11 in column Label
  Bad value at line 12 in column Label
  Bad value at line 188 in column Label
  Bad value at line 190 in column Label
  Bad value at line 113 in column Label
  Suppressing further bad value messages
Processed 1773 rows with 1731 bad values and 0 format errors
Processed 42 instances
Binning and forming Feature objects
Reserved memory for tree learner: 1188 bytes
Starting to train ...
Warning: 50 of the boosting iterations failed to grow a tree. This is commonly because the minimum documents in leaf hyperparameter was set too high for this dataset.
Not training a calibrator because it is not needed.
  Bad value at line 7 in column Label
  Bad value at line 186 in column Label
  Bad value at line 111 in column Label
  Bad value at line 8 in column Label
  Bad value at line 9 in column Label
  Bad value at line 10 in column Label
  Bad value at line 11 in column Label
  Bad value at line 12 in column Label
  Suppressing further bad value messages
  Bad value at line 112 in column Label
  Bad value at line 187 in column Label
Processed 860 rows with 818 bad values and 0 format errors

Ниже приведен код: 

public class SentimentData
    {
        [Column(ordinal: "0", name: "Label")]
        public float Sentiment;
        [Column(ordinal: "1")]
        public string SentimentText;
    }

    public class SentimentPrediction
    {
        [ColumnName("PredictedLabel")]
        public bool Sentiment;
    }




class Program
    {
        //https://docs.microsoft.com/en-us/dotnet/machine-learning/tutorials/sentiment-analysis

        static readonly string _dataPath = Path.Combine(Environment.CurrentDirectory, "Data", "wikipedia-detox-250-line-data.tsv");
        static readonly string _testDataPath = Path.Combine(Environment.CurrentDirectory, "Data", "wikipedia-detox-250-line-test.tsv");
        static readonly string _modelpath = Path.Combine(Environment.CurrentDirectory, "Data", "Model.zip");



        static async Task Main(string[] args)
        {
            //Microsoft.ML.Legacy.Transforms.SentimentAnalyzer sentimentAnalyzer = new SentimentAnalyzer();
            //sentimentAnalyzer.Data;

            Console.WriteLine("---------------Training ------------------------------------");
            var model = await Train();
            Evaluate(model);
            Console.WriteLine("---------------Training Over------------------------------------");
            Console.WriteLine("Type END to exit");
            string s = "";
            while (s.ToLower() != "end")
            {
                s = Console.ReadLine();
                Console.WriteLine("Sentiment: {0}",(Predict(model, s).Sentiment ? "Negative" : "Positive"));
            }
        }

        public static async Task<PredictionModel<SentimentData, SentimentPrediction>> Train()
        {
            var pipeline = new LearningPipeline();
            TextLoader textLoader = new TextLoader(_dataPath).CreateFrom<SentimentData>(useHeader: true, allowQuotedStrings: true, supportSparse: true, trimWhitespace: true);
            pipeline.Add(textLoader);
            pipeline.Add(new TextFeaturizer("Features", "SentimentText"));
            //pipeline.Add(new FastTreeBinaryClassifier() { NumLeaves = 50, NumTrees = 50, MinDocumentsInLeafs = 20 });
            pipeline.Add(new LogisticRegressionBinaryClassifier() { });
            PredictionModel<SentimentData, SentimentPrediction> model = pipeline.Train<SentimentData, SentimentPrediction>();
            await model.WriteAsync(_modelpath);
            return model;
        }

        public static void Evaluate(PredictionModel<SentimentData, SentimentPrediction> model)
        {
            var testData = new TextLoader(_testDataPath).CreateFrom<SentimentData>();
            var evaluator = new BinaryClassificationEvaluator();
            BinaryClassificationMetrics metrics = evaluator.Evaluate(model, testData);
            Console.WriteLine();
            Console.WriteLine("PredictionModel quality metrics evaluation");
            Console.WriteLine("------------------------------------------");
            Console.WriteLine($"Accuracy: {metrics.Accuracy:P2}");
            Console.WriteLine($"Auc: {metrics.Auc:P2}");
            Console.WriteLine($"F1Score: {metrics.F1Score:P2}");
        }

        public static SentimentPrediction Predict(PredictionModel<SentimentData, SentimentPrediction> model, string sentence)
        {
            return model.Predict(new SentimentData { SentimentText = sentence });
}
...