C#机器入门学习之判断日报是否合格详解

public static void PredictWithModelLoadedFromFile(MLContext mlContext)
  {
   IEnumerable<SentimentData> sentiments = new[]
      {
       new SentimentData
      {
      SentimentText = "1、完成爱车年卡代码编写 2、与客户完成需求对接"
      },
       new SentimentData
      {
       SentimentText = "没有工作内容"
      }
      };

   ITransformer loadedModel;
using (var stream = new FileStream(_modelPath, FileMode.Open, FileAccess.Read, FileShare.Read))
   {
    loadedModel = mlContext.Model.Load(stream);
   }
   // 创建预测（也称之为创建预测房屋）   
var sentimentStreamingDataView = mlContext.Data.ReadFromEnumerable(sentiments);
   var predictions = loadedModel.Transform(sentimentStreamingDataView);
   // 使用模型预测结果值为1（不合格）还是0 （合格） 
  var predictedResults = mlContext.CreateEnumerable<SentimentPrediction>(predictions, reuseRowObject: false);
   Console.WriteLine();
   Console.WriteLine("=============== 多样本加载模型的预测试验 ===============");
   var sentimentsAndPredictions = sentiments.Zip(predictedResults, (sentiment, prediction) => (sentiment, prediction));
   foreach (var item in sentimentsAndPredictions)
   {
    Console.WriteLine($"日报内容: {item.sentiment.SentimentText} | 是否合格: {(Convert.ToBoolean(item.prediction.Prediction) ? "合格" : "不合格")} | 符合率: {item.prediction.Probability} ");
   }
   Console.WriteLine("=============== 预测结束 ===============");
   Console.ReadLine();
  }

public static void Main(string[] args)
  {
//创建一个MLContext，为ML作业提供一个上下文
   MLContext mlContext = new MLContext(seed: 0);
//初始化_textLoader以将其重复应用于所需要的数据集
   _textLoader = mlContext.Data.CreateTextLoader(
  columns: new TextLoader.Column[]
  {
  new TextLoader.Column("Label", DataKind.Bool,0),
  new TextLoader.Column("SentimentText", DataKind.Text,1)
  },
   separatorChar: 't',
   hasHeader: true
   );
 //定型模型
   var model = Train(mlContext, _trainDataPath);
//评测模型
   Evaluate(mlContext, model);
//单个数据预测
   Predict(mlContext, model);
   //批处理预测数据
   PredictWithModelLoadedFromFile(mlContext);
  }