19、基于ML.NET构建预测服务及情感分析模型

基于ML.NET构建预测服务及情感分析模型

1. 预测购物得分服务构建

1.1 数据获取与问题分类

数据集来自Kaggle网站（https://www.kaggle.com/shwetabh123/mall-customers ），为公共领域数据，可自由下载和修改。该CSV数据有200行5列，在本次练习中，不考虑 CustomerID 列，将 Gender 、 Age 和 AnnualIncome 列作为特征，训练机器学习模型以预测 SpendingScore 。这里的年收入以千美元为单位，如值为15表示客户年收入为15,000美元。

此问题属于回归问题，因为是基于数据集中的其他特征（年龄、性别和年收入）来预测数值（消费得分）。该数据集还可用于其他问题，比如将 SpendingScore 纳入特征集，以不同列作为标签，像贷款官员可据此估计申请人的年收入；也可用于聚类问题，通过无监督学习算法发现有趣的客户群体、模式和异常。本次练习聚焦于预测客户消费得分的问题。

1.2 启用ML.NET Model Builder

在编写本文时，ML.NET Model Builder功能处于预览阶段。若尚未在Visual Studio 2019中启用，可按以下步骤操作：
1. 启动Visual Studio Installer，点击“Modify”按钮更新已安装的功能集。
2. 在“WorkLoads”选项卡中，展开“Installation detai