本文將使用ML .NET的回歸模型對二手車的價格進行訓練，得到模型；
並且開發一個簡單的預測程序用來預測二手車的價格。
數據集來源
在kaggle Used Cars Price Prediction中下載train-data.csv和test-data.csv，
其中train-data.csv用於訓練，test-data.csv用於評估
打開train-data.csv進行查看，
訓練數據從左到右的列分別表示，序號、名稱、所在地、年份、行駛車程、汽油種類、手動擋/自動擋、轉手次數、里程、引擎、馬力、座位、購買新車價格、當前價格
接下來對train-data.csv做一定的處理，
由於New_Price的數據不完整，且較少，將New_Price列去掉（這里也可以選擇補齊數據）
由於Mileage列存在單位不同的問題，將Mileage列去掉（這里也可以選擇對數據進行修改，保證數據一致）
開始訓練
在項目中，創建訓練模型
如圖所示，進入一個可視化的配置頁面，在方案一欄選擇值預測
訓練環境選擇本地CPU
接下來選擇數據源，數據源可以是.csv文件，.tsv文件，.txt文件，也可以是SQL Server數據庫
這里我們選擇.csv文件
讀取文件后，選擇高級數據選項，設置字段的具體作用
第一列是序號，是不需要的數據
第二列Name開始，到New Price都是影響二手車價格的因素，故設置為Feature
其中Fuel_Type、Transmission、Owner_Type為枚舉字段，故勾選分類
最后一列為我們想要預測的數據，二手車價格，故設置為Label
最后為所有字段選擇正確的數據類型，布爾、數字或者字符串
接下來ML .NET會進行訓練，為我們選擇合適的模型和參數
如果對訓練結果不滿意，可以增加訓練時間，反復訓練
以下是訓練100秒后的結果
接下來有個預估功能，可以進行簡單測試，如果不滿意結果，就繼續回到上一步重新訓練
訓練完成后，獲得模型UsedCarsPricePredictionMLModel.zip
調用模型完成功能
寫一個UI，輸入數據，並預測價格
在UsedCarsPricePredictionMLModel.consumption.cs文件中，
先讀取模型文件，加載模型
private static PredictionEngine<ModelInput, ModelOutput> CreatePredictEngine()
{
var mlContext = new MLContext();
ITransformer mlModel = mlContext.Model.Load(MLNetModelPath, out var _);
return mlContext.Model.CreatePredictionEngine<ModelInput, ModelOutput>(mlModel);
}
然后調用Predict方法，進行預測
var predEngine = PredictEngine.Value;
return predEngine.Predict(input);
注意，可以加載一次模型對象，然后重復利用，節省時間
關於評估
在模型正式投入使用之前，可以使用另外的數據集test-data.csv進行正確率的驗證，不符合條件則重新訓練
示例代碼
參考資料
10分鍾快速入門
官方示例machinelearning-samples
教程：將回歸與 ML.NET 配合使用以預測價格