ML.NET 实战：从数据到容器化部署的全流程二分类系统模板

🚀 ML.NET 实战：从数据到容器化部署的全流程二分类系统模板

本教程选用 UCI Adult 开源数据集，搭建一个具备完整预处理、模型训练、评估可视化、部署、CI/CD、监控与模型版本管理能力的 ML.NET 企业级分类系统。

---

🧭 为什么选择 UCI Adult？

UCI Adult 数据集（又称 Census Income）是机器学习分类任务中最广泛使用的基准数据集之一，具备以下特征：

• 📉 目标分布不均衡（>50K 占比约 24%）
• 🔀 含有数值与类别混合特征（年龄、学历、婚姻状态等）
• ❓ 含有缺失值（以 ? 表示）
• 🧪 可广泛复用于二分类算法对比、特征工程实践

---

📊 1. 数据集介绍与清洗

UCI Adult 原始数据共 15 列，字段如下：

索引	字段名	类型	示例值	说明
0	age	int	39	年龄
1	workclass	string	State-gov	工作类型
2	fnlwgt	int	77516	人口统计权重
3	education	string	Bachelors	教育程度
4	education-num	int	13	教育等级（数值化）
5	marital-status	string	Never-married	婚姻状态
6	occupation	string	Adm-clerical	职业
7	relationship	string	Not-in-family	家庭关系
8	race	string	White	种族
9	sex	string	Male	性别
10	capital-gain	int	2174	资本收益
11	capital-loss	int	0	资本损失
12	hours-per-week	int	40	每周工作时长
13	native-country	string	United-States	原籍国家
14	income	string	<=50K / >50K	年收入（二分类标签）

这些字段中，workclass、occupation、native-country 含有 ? 表示缺失值。

Python 清洗代码

import pandas as pd
import numpy as np

# 完整列名（按顺序）
cols = [
    "age", "workclass", "fnlwgt", "education", "education-num",
    "marital-status", "occupation", "relationship", "race", "sex",
    "capital-gain", "capital-loss", "hours-per-week", "native-country", "income"
]

# 读取数据（将 " ?" 视为缺失值）
df = pd.read_csv("adult.data", names=cols, na_values=" ?", sep=',', skipinitialspace=True)

# 删除缺失值样本
df.dropna(inplace=True)

# 显示前几行验证清洗结果
print(df.head())

安装依赖提示

pip install pandas matplotlib numpy seaborn

🧼 数据预处理流程图

---

📈 2. Python 可视化

import matplotlib.pyplot as plt
import seaborn as sns

# 标签分布饼图
plt.pie(df['income'].value_counts(), labels=df['income'].unique(), autopct='%1.1f%%')
plt.title("Income Distribution")
plt.show()

# 年龄分布直方图
sns.histplot(df['age'], bins=20)
plt.title("Age Histogram")
plt.show()

---

🧱 3. TextLoader 配置与映射（C#）

using Microsoft.ML;
using Microsoft.ML.Data;

var mlContext = new MLContext(seed: 123);

// 定义 TextLoader 加载列结构（不将 Income 直接转换为 bool）
var loader = mlContext.Data.CreateTextLoader(