ML.NET 示例：多类分类之问题分类

写在前面

准备近期将微软的machinelearning-samples翻译成中文，水平有限，如有错漏，请大家多多指正。
如果有朋友对此感兴趣，可以加入我：https://github.com/feiyun0112/machinelearning-samples.zh-cn

GitHub Labeler

ML.NET 版本	API 类型	状态	应用程序类型	数据类型	场景	机器学习任务	算法
v0.7	动态 API	最新的	控制台应用程序	.csv 文件和 GitHub 问题	问题分类	多类分类	SDCA 多类分类器

这是一个简单的原型应用程序，演示如何使用ML.NET APIs。主要的重点是创建、训练和使用在 Predictor.cs 类中实现的ML（机器学习）模型。

概述

GitHubLabeler 是一个.NET Core控制台应用程序，它的功能如下:

在被标记的GitHub问题上训练ML模型，以教导模型如何为新问题分配标签。（例如，您可以使用corefx-issues-train.tsv文件，该文件包含来自包含来自公共的corefx存储库的问题）
标记新问题。应用程序将从appsettings.json文件中指定的GitHub存储库中获取所有未标记的未解决问题，并使用在上面步骤中创建的受过训练的ML模型对其进行标记

这个ML模型使用ML.NET的多类分类算法（SdcaMultiClassTrainer）。

输入您的GitHub配置数据

在appsettings.json文件中提供您的GitHub数据:

为了允许应用程序在GitHub存储库中标记问题，您需要向 appsettings.json 文件中提供以下数据。

        {
          "GitHubToken": "YOUR-GUID-GITHUB-TOKEN",
          "GitHubRepoOwner": "YOUR-REPO-USER-OWNER-OR-ORGANIZATION",
          "GitHubRepoName": "YOUR-REPO-SINGLE-NAME"
        }

您的用户帐户（`GitHubToken`）应具有对存储库（`GitHubRepoName`）的写入权限。

点击这里查看[如何创建Github令牌](https://help.github.com/articles/creating-a-personal-access-token-for-the-command-line/)。

`GitHubRepoOwner`可以是GitHub用户ID（即“MyUser”），也可以是GitHub组织（即“dotnet”）。

提供训练文件

a. 您可以使用现有的corefx_issues.tsv数据文件来体验该程序。在这种情况下，将从corefx存储库的标签中选择预测的标签。无需更改。

b. 要使用GitHub存储库中的标签，您需要在数据上训练模型。为此，请从您的存储库中导出GitHub问题到.tsv文件，文件包含以下几列：
- ID - 问题 ID
- Area - 问题的标签（以这种方式命名以避免与ML.NET中的Label概念混淆）
- Title - 问题的标题
- Description - 问题的描述
将文件添加到Data文件夹下。更新DataSetLocation段以匹配您的文件名：

private static string DataSetLocation = $"{BaseDatasetsLocation}/corefx-issues-train.tsv";

训练

训练是通过已知示例（在本例中，是包含标签的问题）运行ML模型并教授它如何标记新问题的过程。在这个示例中，它是通过在控制台应用程序调用下列方法来完成：

BuildAndTrainModel(DataSetLocation, ModelFilePathName);

训练完成后，模型将保存为MLModelsGitHubLabelerModel.zip。

标记

当模型被训练后，它可以用于预测新问题的标签。

对于没有连接到真正的GitHub存储库的单个测试/演示，请在控制台应用程序中调用下列方法：

TestSingleLabelPrediction(ModelFilePathName);

要访问GitHub存储库的实际问题，请在控制台应用程序中调用另一个方法：

await PredictLabelsAndUpdateGitHub(ModelFilePathName);

为了便于在从GitHub仓库中读取问题时进行测试，它只会加载过去10分钟中创建的并且需要标记的未标记问题。但是您可以修改这个配置：

Since = DateTime.Now.AddMinutes(-10)

您可以修改这些设置。在预测标签后，程序会使用预测的标签更新GitHub仓库中的问题。