技术翻译 | 【ML.NET 示例】GitHub Issues 分类

这是一个简单的原型应用程序，演示如何使用ML.NET​^[1]​ 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​^[2]​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​^[3]​的多类分类算法（​​SdcaMultiClassTrainer​​）。

输入您的GitHub配置数据

1.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": "您的GitHub Token",
       "GitHubRepoOwner": "您的存储库所有者或组织",
       "GitHubRepoName": "您的存储库唯一名"
     }

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 Token​^[4]​。

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

2.​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​^[5]​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​​部分以匹配您的文件名：

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​​MLModels\GitHubLabelerModel.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存储库的真实问题，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存储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存储库中的问题。

References

[1]​ ML.NET: https://www.nuget.org/packages/Microsoft.ML/

[2]​ corefx: https://github.com/dotnet/corefx

[3]​ ML.NET: https://www.nuget.org/packages/Microsoft.ML/

[4]​ 如何创建GitHub Token: https://help.github.com/articles/creating-a-personal-access-token-for-the-command-line/

[5]​ corefx: https://github.com/dotnet/corefx