W ramach rozpowszechniającej się technologii uczenia maszynowego eksperci naszej firmy zaprojektowali i zaimplementowali rozwiązania, udostępnione w formie bibliotek .NET 7.0.
Npc.MachineLearning.BinaryClassification umożliwia wyszukiwanie zależności w postaci reguł logicznych dedykowanych dla rozwiązania zadań opisu pojęć. Przykładowo może służy do przewidywania, do której z dwóch kategorii, należy wprowadzona sentencja. Za dane wejściowe przyjmuje się plik tekstowy, którego struktura to: <Klasyfikacja(0,1)>, gdzie za sentencję przyjmuje się tekst podlegający klasyfikacji, a za klasyfikację wartości 0 lub 1. Kolejne dane uczące wprowadza się w kolejnych wierszach. Algorytm wykorzystuje 80% danych do trenowania, a 20% pozostałych do weryfikacji. Wytrenowany model można wykorzystać do klasyfikacji kolejnych sentencji. Do biblioteki załączono przykładowe dane tj. 1000 komentarzy, które poddano klasyfikacji: pozytywny/negatywny.
Npc.MachineLearning.Regression umożliwia wyszukiwanie zależności w postaci reguł logicznych dedykowanych dla rozwiązywania zadań opisu pojęć, klasyfikacji. Może służyć między innymi do przewidywania, zadanej wartości na podstawie wielu różnych parametrów. Algorytm regresji modeluje zależność pomiędzy parametrami wejściowymi, aby określić w jaki sposób zmienia się wartość, którą będzie przewidywać. Za dane wejściowe przyjmuje się plik tekstowy, którego struktura to: <wartość>,<wartość>,<wartość>,<wartość>,<wartość>,<wartość>, gdzie za wartości przyjmuje się parametry wejściowe, a za wynik wartość przewidywaną. Kolejne dane uczące wprowadza się w kolejnych wierszach. Algorytm przyjmuje niezależnie jako parametr, dwa pliki: jeden służący do trenowania i drugi służący do weryfikacji wytrenowanego modelu. Wytrenowany model można wykorzystać do przewidywania wyników w kolejnych zbiorach danych. Do biblioteki załączono przykładowe dane tj. 1 000 000 przejazdów taksówką, gdzie na podstawie parametrów: operator, taryfa, liczba pasażerów, czas podróży, dystans, rodzaj płatności, można przewidzieć koszt przejazdu taksówką.
Npc.MachineLearning.SurvivalPrediction służy do regresji i analizy przeżycia - czasu życia osób ze zdiagnozowanym rakiem piersi. Do wyuczenia modelu potrzebne są pliki CSV z wymaganymi parametrami oraz plik z wartościami wynikowymi (wartość logiczna oraz liczba dni).