Java机器学习库：Tribuo简介

在本文中，我们了解了 Tribuo 及其功能。然后，我们概述了 Tribuo 支持的一些机器学习算法。最后，我们训练了一个模型，使用回归算法来预测葡萄酒的质量。

机器学习 (ML) 和人工智能 (AI) 正在通过使系统能够从数据中学习并做出智能预测来重塑软件开发。

Tribuo是由 Oracle 开发的可立即投入生产的开源机器学习库。它简化了构建和部署强大的机器学习模型。与 Weka 和Deeplearning4j一样，Tribuo 支持各种机器学习任务，并且可以轻松地与 Java 应用程序集成。

在本教程中，我们将学习Tribuo中可用的不同机器学习算法。此外，我们将使用UCI红酒质量数据集构建一个回归模型来预测葡萄酒质量。

什么是Tribo？
Tribuo 是一个以 Java 为中心的机器学习库，支持：

监督学习：回归、分类等。
无监督学习：聚类

此外，它是强类型的，这意味着它强制正确的输入和输出类型，这有助于防止运行时错误并确保一致的模型开发。

它支持以开放神经网络交换 (ONNX) 格式导入和导出模型，允许与其他 ML 框架（如 TensorFlow 和 PyTorch）集成。

Tribuo 的另一个突出特点是来源追踪。此功能记录有关数据集、模型参数和训练配置的元数据，从而提高透明度和可重复性。

随着人工智能在企业 Java 应用程序中不断找到自己的位置，Tribuo 提供了一个实用的工具包，可以将智能行为直接嵌入到基于 Java 的系统中。

支持的机器学习算法
Tribuo 支持各种 ML 任务，包括：

分类：预测离散的类别或标签。例如，预测一支足球队的胜负，或者根据质量阈值将葡萄酒分为好酒和坏酒。
回归：它预测连续值，例如葡萄酒质量评分或患者的胆固醇水平。
聚类：识别未标记数据中的组。例如，它可以根据酸度和酒精含量等化学特性对葡萄酒进行分组，而无需知道其质量评分。

建立Tribuo项目
让我们通过建立回归模型来预测葡萄酒质量，看看 Tribuo 的实际作用。

首先，让我们将Tribuo 依赖项添加到我们的pom.xml中：

<dependency>
    <groupId>org.tribuo</groupId>
    <artifactId>tribuo-all</artifactId>
    <version>4.3.2</version>
</dependency>

tribuo -all依赖项提供使用特定训练算法加载和训练数据集的类。

另外，我们下载UCI 葡萄酒质量数据集 Red并将其放在src/main/resources/dataset目录中。该数据集包含 11 个物理化学特征，例如酸度和酒精含量：

UCI红酒数据集

质量列是适合回归的连续数值。

最后，让我们创建一个名为WineQualityRegression 的类：

public class WineQualityRegression {
}

在后续章节中，课程将介绍不同的逻辑来训练和保存我们的模型以供将来使用。

类级变量
接下来，让我们定义以下类级变量：

public static final String DATASET_PATH = "src/main/resources/dataset/winequality-red.csv";
public static final String MODEL_PATH = "src/main/resources/model/winequality-red-regressor.ser";
public Model<Regressor> model;
public Trainer<Regressor> trainer;
public Dataset<Regressor> trainSet;
public Dataset<Regressor> testSet;

在上面的代码中，我们定义了数据集的路径以及训练模型的保存或加载位置。

接下来，我们定义四个变量，分别代表以下内容：

模型——存储预测模型的类
训练器——可以训练预测模型的界面
数据集——包含用于训练的一组数据的类

此外，我们明确指定模型输出类型为Regressor。

加载和分割数据集
让我们定义一个方法来加载和分割数据集：

void createDatasets() throws Exception {
    RegressionFactory regressionFactory = new RegressionFactory();
    CSVLoader<Regressor> csvLoader = new CSVLoader<>(';', CSVIterator.QUOTE, regressionFactory);
    DataSource<Regressor> dataSource = csvLoader.loadDataSource(Paths.get(DATASET_PATH), "quality");
    TrainTestSplitter<Regressor> dataSplitter = new TrainTestSplitter<>(dataSource, 0.7, 1L);
    trainSet = new MutableDataset<>(dataSplitter.getTrain());
    testSet = new MutableDataset<>(dataSplitter.getTest());
}

在这里，我们使用CSVLoader解析以分号分隔的 CSV 文件，并准备进行回归分析。RegressionFactory创建回归输出，并指定目标变量quality为连续变量。DataSource 保存解析后的数据。

然后，为了评估泛化能力和模型性能，我们使用TrainTestSplitter将数据集分成 70% 的训练集和 30% 的测试集。

训练回归模型
由于葡萄酒质量得分是一个数值，让我们使用分类和回归树（CART）作为基础学习器来训练模型，以预测葡萄酒质量：

void createTrainer() {
    CARTRegressionTrainer subsamplingTree = new CARTRegressionTrainer(
      Integer.MAX_VALUE,
      AbstractCARTTrainer.MIN_EXAMPLES,
      0.001f,
      0.7f,
      new MeanSquaredError(),
      Trainer.DEFAULT_SEED
    );
    trainer = new RandomForestTrainer<>(subsamplingTree, new AveragingCombiner(), 10);
    model = trainer.train(trainSet); 
}

在上述方法中，CARTRegressionTrainer配置了一个不设最大深度、每次分割至少包含 6 个样本、并以均方误差 (MSE) 作为分割标准的决策树。然后，RandomForestTrainer会组合 10 棵 CART 决策树，并使用AveragingCombiner对其预测结果求平均值。

train ()方法在trainSet数据集上训练模型，生成用于预测葡萄酒质量分数的Model 。

评估
接下来，让我们使用RegressionEvaluator计算与模型相关的数据集的指标来评估回归模型的性能：

void evaluate(Model<Regressor> model, String datasetName, Dataset<Regressor> dataset) {
    RegressionEvaluator evaluator = new RegressionEvaluator();
    RegressionEvaluation evaluation = evaluator.evaluate(model, dataset);
    Regressor dimension0 = new Regressor("DIM-0", Double.NaN);
    log.info("MAE: " + evaluation.mae(dimension0));
    log.info("RMSE: " + evaluation.rmse(dimension0));
    log.info("R^2: " + evaluation.r2(dimension0));
}

RegressionEvaluator评估模型在数据集上的性能。然后，我们将 MAE（平均绝对误差）、RMSE（均方根误差）和 R^2（判定系数）记录到控制台。

接下来，让我们使用evaluate()方法来评估我们的模型和数据集：

void evaluateModels() throws Exception {
    log.info("Training model");
    evaluate(model, "trainSet", trainSet);
    log.info("Testing model");
    evaluate(model, "testSet", testSet);
}

这是我们执行程序时针对模型的训练和测试集的评估：

07:10:14.405 [main] INFO  tribuo.WineQualityRegression - Training model
07:10:14.406 [main] INFO  tribuo.WineQualityRegression - Results for trainSet---------------------
07:10:14.537 [main] INFO  tribuo.WineQualityRegression - MAE: 0.25025410332970005
07:10:14.537 [main] INFO  tribuo.WineQualityRegression - RMSE: 0.3422557198486092
07:10:14.538 [main] INFO  tribuo.WineQualityRegression - R^2: 0.8190947891297661
07:10:14.538 [main] INFO  tribuo.WineQualityRegression - Testing model
07:10:14.540 [main] INFO  tribuo.WineQualityRegression - Results for testSet---------------------
07:10:14.565 [main] INFO  tribuo.WineQualityRegression - MAE: 0.48711029366796743
07:10:14.565 [main] INFO  tribuo.WineQualityRegression - RMSE: 0.6584973595553575
07:10:14.565 [main] INFO  tribuo.WineQualityRegression - R^2: 0.3444460580874339

MAE表示训练集和测试集的预测值与实际值之间的绝对差。RMSE 度量的是预测值与实际值平方差平均值的平方根。此外，R^2 表示模型对训练集和测试集方差的解释能力。

MAE和RMSE值越低， R^2值越高，表明预测性能越好。

保存模型
最后，让我们将模型保存为文件以供重复使用：

void saveModel() throws Exception {
    File modelFile = new File(MODEL_PATH);
    try (ObjectOutputStream objectOutputStream = new ObjectOutputStream(new FileOutputStream(modelFile))) {
        objectOutputStream.writeObject(model);
    }
}

在上面的代码中，我们使用ObjectOutputStream类将训练好的模型序列化为文件。通过将模型保存到文件中，我们可以重复使用该模型进行后续预测，而无需重新训练。

调用方法
现在，让我们在main()方法中调用之前创建的方法：

public static void main(String[] args) throws Exception {
    WineQualityRegression wineQualityRegression = new WineQualityRegression();
    wineQualityRegression.createDatasets();
    wineQualityRegression.createTrainer();
    wineQualityRegression.evaluateModels();
    wineQualityRegression.saveModel();
}

这将编译代码并将模型保存在指定的目录中。

使用模型
让我们创建一个名为WinePredictor的新类，并在main()方法中加载保存的模型：

class WineQualityPredictor {
    private static final Logger log = LoggerFactory.getLogger(WineQualityPredictor.class);
    public static void main(String[] args) throws IOException, ClassNotFoundException {
        File modelFile = new File("src/main/resources/model/winequality-red-regressor.ser");
        Model<Regressor> loadedModel = null;
        try (ObjectInputStream objectInputStream = new ObjectInputStream(new FileInputStream(modelFile))) {
            loadedModel = (Model<Regressor>) objectInputStream.readObject();
        }
}

我们知道，Tribuo 对类型敏感，因此我们指定了模型的类型，在本例中为回归器。

另外，我们通过创建ObjectInputStream并将模型路径作为参数传递来加载模型。

然后，让我们创建一个ArrayExample对象来表示单个葡萄酒样本：

ArrayExample<Regressor> wineAttribute = new ArrayExample<Regressor>(new Regressor("quality", Double.NaN));
wineAttribute.add("fixed acidity", 7.4f);
wineAttribute.add("volatile acidity", 0.7f);
wineAttribute.add("citric acid", 0.47f);
wineAttribute.add("residual sugar", 1.9f);
wineAttribute.add("chlorides", 0.076f);
wineAttribute.add("free sulfur dioxide", 11.0f);
wineAttribute.add("total sulfur dioxide", 34.0f);
wineAttribute.add("density", 0.9978f);
wineAttribute.add("pH", 3.51f);
wineAttribute.add("sulphates", 0.56f);
wineAttribute.add("alcohol", 9.4f);

最后，让我们使用Prediction类进行预测：

Prediction<Regressor> prediction = loadedModel.predict(wineAttribute);
double predictQuality = prediction.getOutput().getValues()[0];
log.info("Predicted wine quality: " + predictQuality);

以下是预测的葡萄酒品质：

07:31:05.772 [main] INFO tribuo.WineQualityPredictor - Predicted wine quality: 5.028163673540464

Java机器学习库：Tribuo简介

什么是Context上下文？

抽象两种方法：上下文与类型

Content与Context一字之差暗藏逆天极道

语境崩塌：你的注意力正被劫持

Context逻辑之道