C＃中的机器学习库

C＃中是否有任何机器学习库？我喜欢WEKA之类的东西。谢谢。

在GitHub上查看这个很棒的列表。在列出的框架中，Accord.NET是开源的，并且最受欢迎，拥有2,000多颗星。

另外，请查看Microsoft提供的.NET官方机器学习库：https : //github.com/dotnet/machinelearning

旧

代码项目上有一个称为AForge.net的神经网络库。（代码托管在Google代码中）（也请查看AForge主页 -根据该主页，新版本现在还支持遗传算法和机器学习。自从我上一次玩过它以来，它似乎已经取得了很大进步）

我不知道这是像WEKA一样的东西，因为我从未使用过它。

（也有关于它的用法的文章）

您也可以将Weka与C＃结合使用。最好的解决方案是使用IKVM，如本教程中所示，尽管您也可以使用桥接软件。

如Shane所述，可以使用IKVM和一些“胶水代码”很容易地从C＃中使用Weka。在weka页面上按照教程创建weka的“ .Net版本”，然后可以尝试运行以下测试：

[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);
}

第一个测试显示了如何构建分类器并使用该分类器对新示例进行分类，第二个测试显示了如何使用文件中的持久分类器对示例进行分类。如果您也需要支持离散属性，则需要进行一些修改。上面的代码使用2个帮助器类：

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);
    }
}

我已经在C＃中创建了一个ML库，旨在与常见的POCO对象一起使用。

还有一个名为Encog的项目，该项目具有C＃代码。它由Jeff Heaton维护，Jeff Heaton是我不久前买的《神经网络简介》一书的作者。代码库Git在这里：https : //github.com/encog/encog-dotnet-core

我也在搜索.NET的机器学习库，并在nuget.org/machine-learning上从Microsoft Research找到了Infer.NET：

• 推断网