目录
概述
本文将介绍如何使用ML.NET框架中的随机梯度下降算法来预测房屋租金。我们将使用印度房屋租赁数据集，该数据集包含了约4700条房屋租赁信息，包括卧室数量、面积、位置等特征。
环境准备
安装 .NET 6.0 或更高版本
**创建控制台项目并引用 **ML.NET
textdotnet add package Microsoft.ML
数据模型定义
C#using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using Microsoft.ML.Data;
namespace AppHousingRent
{
public class HouseRentData
{
[LoadColumn(0)]
public float CRIM { get; set; } // 城镇人均犯罪率
[LoadColumn(1)]
public float ZN { get; set; } // 占地面积超过25000平方呎的住宅用地比例
[LoadColumn(2)]
public float INDUS { get; set; } // 城镇非零售商业用地比例
[LoadColumn(3)]
public float CHAS { get; set; } // 是否临近查尔斯河
[LoadColumn(4)]
public float NOX { get; set; } // 一氧化氮浓度
[LoadColumn(5)]
public float RM { get; set; } // 住宅平均房间数
[LoadColumn(6)]
public float AGE { get; set; } // 1940年之前建成的自用房屋比例
[LoadColumn(7)]
public float DIS { get; set; } // 到波士顿五个就业中心的加权距离
[LoadColumn(8)]
public float RAD { get; set; } // 到径向公路的可达性指数
[LoadColumn(9)]
public float TAX { get; set; } // 每10000美元的全值财产税率
[LoadColumn(10)]
public float PTRATIO { get; set; } // 城镇师生比例
[LoadColumn(11)]
public float B { get; set; } // 1000(Bk - 0.63)^2，其中Bk为城镇中黑人的比例
[LoadColumn(12)]
public float LSTAT { get; set; } // 人口中地位较低者的比例
[LoadColumn(13)]
[ColumnName("Label")] // 将MEDV标记为Label列
public float MEDV { get; set; } // 自住房的平均房价，以千美元计
}
public class HouseRentPrediction
{
[ColumnName("Score")]
public float PredictedPrice { get; set; }
}
}
完整实现代码
C#using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using Microsoft.ML;
namespace AppHousingRent
{
public class HouseRentPredictor
{
private static readonly string _dataPath = "housing.csv";
public static void Train()
{
try
{
// 创建ML.NET上下文
var mlContext = new MLContext(seed: 0);
// 加载数据
Console.WriteLine($"正在加载数据...");
IDataView dataView = mlContext.Data.LoadFromTextFile<HouseRentData>(
path: _dataPath,
hasHeader: false, // 数据集中没有标题行
separatorChar: ' ' // 数据是用空格分隔的
);
// 分割数据为训练集和测试集
var trainTestData = mlContext.Data.TrainTestSplit(dataView, testFraction: 0.2, seed: 0);
// 创建数据处理管道
var pipeline = mlContext.Transforms.Concatenate("Features", new[]
{
"CRIM", "ZN", "INDUS", "CHAS", "NOX", "RM", "AGE",
"DIS", "RAD", "TAX", "PTRATIO", "B", "LSTAT"
})
.Append(mlContext.Transforms.NormalizeMinMax("Features")) // 添加特征标准化
.Append(mlContext.Regression.Trainers.Sdca(
labelColumnName: "Label", // 使用Label作为标签列名
maximumNumberOfIterations: 100));
// 训练模型
Console.WriteLine("开始训练模型...");
var model = pipeline.Fit(trainTestData.TrainSet);
Console.WriteLine("模型训练完成。");
// 对测试集进行预测
var predictions = model.Transform(trainTestData.TestSet);
// 评估模型
var metrics = mlContext.Regression.Evaluate(
data: predictions,
labelColumnName: "Label", // 使用Label作为标签列名
scoreColumnName: "Score");
// 输出评估指标
Console.WriteLine($"\n模型评估指标:");
Console.WriteLine($"R² Score: {metrics.RSquared:0.###}");
Console.WriteLine($"均方根误差: {metrics.RootMeanSquaredError:0.###}");
Console.WriteLine($"平均绝对误差: {metrics.MeanAbsoluteError:0.###}");
// 保存模型
mlContext.Model.Save(model, dataView.Schema, "BostonHouseModel.zip");
Console.WriteLine("\n模型已保存到 BostonHouseModel.zip");
}
catch (Exception ex)
{
Console.WriteLine($"\n发生错误: {ex.Message}");
Console.WriteLine($"堆栈跟踪: {ex.StackTrace}");
}
}
// 用于预测的方法
public static float PredictPrice(HouseRentData inputData)
{
var mlContext = new MLContext();
DataViewSchema modelSchema;
var model = mlContext.Model.Load("BostonHouseModel.zip", out modelSchema);
var predEngine = mlContext.Model.CreatePredictionEngine<HouseRentData, HouseRentPrediction>(model);
var prediction = predEngine.Predict(inputData);
return prediction.PredictedPrice;
}
}
}
使用示例
C#public static void Main(string[] args)
{
// 训练模型
HouseRentPredictor.Train();
// 创建示例数据
var sampleData = new HouseRentData()
{
CRIM = 0.00632f,
ZN = 18f,
INDUS = 2.31f,
CHAS = 0f,
NOX = 0.538f,
RM = 6.575f,
AGE = 65.2f,
DIS = 4.09f,
RAD = 1f,
TAX = 296f,
PTRATIO = 15.3f,
B = 396.9f,
LSTAT = 4.98f,
MEDV = 24.00f
};
// 进行预测
var prediction = HouseRentPredictor.PredictPrice(sampleData);
Console.WriteLine($"\n示例预测结果:");
Console.WriteLine($"预测房价: ${prediction * 1000:N0}");
}
1. R² Score (决定系数)
- 定义：决定系数（R²）衡量的是模型预测值与真实值之间的线性相关程度。它的取值范围通常在 0～1（如果模型特别差，也可能出现负值）。
- 解释：
- R² 越接近 1，说明模型可以解释越多的目标变量（标签）变化，也就是说，模型拟合效果越好。
- 若 R² = 1，表示模型完美拟合了数据（在真实数据中通常不可能出现）。
- 若 R² = 0，表示模型与一个单纯的“用平均值作为预测”的估计没多大差别。
- 若 R² < 0，说明该模型甚至比简单的“用平均值来预测”还要糟糕。
2. RMSE (Root Mean Squared Error, 均方根误差)
- 定义：RMSE 是均方误差（Mean Squared Error, MSE）再开平方后得到的值。
其中 $(y_i)$ 是实际值，$(\hat{y}_i)$ 是预测值。
- 解释：
- RMSE 表征的是预测误差的标准差，数值越小越好。
- RMSE 同时惩罚了较大的误差（因为在平方时，会放大大的差值），因此对离群值比较敏感。
- 如果想要让模型减少大误差事件的发生，RMSE 就是一个很好的参考指标。
3. MAE (Mean Absolute Error, 平均绝对误差)
- 定义：MAE 以绝对值的形式度量预测值与实际标签之间的平均误差。
- 解释：
- MAE 比 RMSE 更直观，因为它直接体现了“预测值与实际差了多少”。
- MAE 越小，说明平均意义上，预测结果更贴近真实值。
- 与 RMSE 相比，MAE 对少量大值误差的敏感度没有那么高，如果你的场景中关心的是整体误差，而不希望少数“极端值”对指标造成过度影响，可以关注 MAE。
4. 综述
- R² Score 和（RMSE / MAE）经常结合起来看。R² 表示模型的整体拟合优度，RMSE / MAE 则直接反映误差大小。
- 在很多场景，模型训练完成后，“R² Score 越高、RMSE/MAE 越低”就是我们希望看到的。实际上，仍要结合业务需求来判断模型的表现，尤其要结合真实的价格区间或误差容忍度——如果均值水平在几十万（单位）时，能接受的 MAE 可能在几千到几万之间不等。
因此，日志信息里输出的：
- R² Score：反映模型与真实数据拟合程度，越高说明模型“解释力”越好。
- 均方根误差 (RMSE)：预测与真实值差异的平方后取平均，再开平方而来，数值越小越好。
- 平均绝对误差 (MAE)：直接计算每个样本误差的绝对值再平均，也越小越好。
总结
本文展示了如何使用ML.NET框架中的SGD算法来预测房屋租金。通过合理的特征工程和模型训练，我们可以构建一个实用的房屋租金预测系统。该实现考虑了实际应用中的各种因素，包括分类特征处理、模型评估和预测接口设计。
本文作者:技术老小子
本文链接:
版权声明:本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
目录