Treinar novamente um modelo

Saiba como treinar novamente um modelo de machine learning em ML.NET.

O mundo e seus dados mudam constantemente. Dessa forma, os modelos também precisam ser alterados e atualizados. ML.NET fornece funcionalidade para treinar novamente modelos usando parâmetros de modelo aprendidos como ponto de partida para criar continuamente a experiência anterior em vez de começar do zero todas as vezes.

Os algoritmos a seguir são retreináveis em ML.NET:

• AveragedPerceptronTrainer
• FieldAwareFactorizationMachineTrainer
• LbfgsLogisticRegressionBinaryTrainer
• LbfgsMaximumEntropyMulticlassTrainer
• LbfgsPoissonRegressionTrainer
• LinearSvmTrainer
• OnlineGradientDescentTrainer
• SgdCalibratedTrainer
• SgdNonCalibratedTrainer
• SymbolicSgdLogisticRegressionBinaryTrainer

Carregar modelo pré-treinado

Primeiro, carregue o modelo pré-treinado em seu aplicativo. Saiba mais sobre: Para saber mais sobre o carregamento de pipelines e modelos de treinamento, consulte Salvar e carregar um modelo treinado.

// Create MLContext
MLContext mlContext = new MLContext();

// Define DataViewSchema of data prep pipeline and trained model
DataViewSchema dataPrepPipelineSchema, modelSchema;

// Load data preparation pipeline
ITransformer dataPrepPipeline = mlContext.Model.Load("data_preparation_pipeline.zip", out dataPrepPipelineSchema);

// Load trained model
ITransformer trainedModel = mlContext.Model.Load("ogd_model.zip", out modelSchema);

Extrair parâmetros de modelo pré-treinado

Depois que o modelo for carregado, extraia os parâmetros de modelo aprendidos acessando a Model propriedade do modelo pré-treinado. O modelo pré-treinado foi treinado usando o modelo de regressão linear OnlineGradientDescentTrainer, que cria uma RegressionPredictionTransformer que gera LinearRegressionModelParameters. Esses parâmetros de modelo contêm o viés aprendido e os pesos ou coeficientes do modelo. Esses valores são usados como ponto de partida para o novo modelo retreinado.

// Extract trained model parameters
LinearRegressionModelParameters originalModelParameters =
    ((ISingleFeaturePredictionTransformer<object>)trainedModel).Model as LinearRegressionModelParameters;

Treinar novamente um modelo

O processo de readaptação de um modelo não é diferente do treinamento de um modelo. A única diferença é que você passa um argumento adicional para o Fit(IDataView, LinearModelParameters) método: os parâmetros de modelo aprendidos originais. Fit() usa-os como ponto de partida no processo de retreino.

// New Data
HousingData[] housingData = new HousingData[]
{
    new HousingData
    {
        Size = 850f,
        HistoricalPrices = new float[] { 150000f,175000f,210000f },
        CurrentPrice = 205000f
    },
    new HousingData
    {
        Size = 900f,
        HistoricalPrices = new float[] { 155000f, 190000f, 220000f },
        CurrentPrice = 210000f
    },
    new HousingData
    {
        Size = 550f,
        HistoricalPrices = new float[] { 99000f, 98000f, 130000f },
        CurrentPrice = 180000f
    }
};

//Load New Data
IDataView newData = mlContext.Data.LoadFromEnumerable<HousingData>(housingData);

// Preprocess Data
IDataView transformedNewData = dataPrepPipeline.Transform(newData);

// Retrain model
RegressionPredictionTransformer<LinearRegressionModelParameters> retrainedModel =
    mlContext.Regression.Trainers.OnlineGradientDescent()
        .Fit(transformedNewData, originalModelParameters);

Nesse ponto, você pode salvar seu modelo treinado novamente e usá-lo em seu aplicativo. Para obter mais informações, consulte Salvar e carregar um modelo treinado e fazer previsões com um modelo treinado.

Comparar parâmetros de modelo

Como você sabe se o retreinamento realmente aconteceu? Uma maneira é comparar se os parâmetros do modelo retreinado são diferentes dos do modelo original. O exemplo de código a seguir compara o original com os pesos do modelo treinado novamente e os envia para o console.

// Extract Model Parameters of re-trained model
LinearRegressionModelParameters retrainedModelParameters = retrainedModel.Model as LinearRegressionModelParameters;

// Inspect Change in Weights
var weightDiffs =
    originalModelParameters.Weights.Zip(
        retrainedModelParameters.Weights, (original, retrained) => original - retrained).ToArray();

Console.WriteLine("Original | Retrained | Difference");
for(int i=0;i < weightDiffs.Count();i++)
{
    Console.WriteLine($"{originalModelParameters.Weights[i]} | {retrainedModelParameters.Weights[i]} | {weightDiffs[i]}");
}

A tabela a seguir mostra como a saída pode ser.