我正在尝试使用多个特征来训练和预测一个模型。我们将我的数据称为“直方图”，它有一个浮点类型的目标值，以及从Sensor1到Sensor6的传感器，这些传感器是float[64]类型。

数据是从CSV文件加载的，第一列是目标值，然后1-64列是Sensor1，65-129列是Sensor2，依此类推。

直方图类如下：

class Histogram{    [LoadColumn(0)] public float Target;    [LoadColumn(1, 64), ColumnName("Sensor1")]    public float[] Sensor1;    [LoadColumn(65, 129), ColumnName("Sensor2")]    public float[] Sensor2;    [LoadColumn(130, 193), ColumnName("Sensor3")]    public float[] Sensor3;    [LoadColumn(194, 257), ColumnName("Sensor4")]    public float[] Sensor4;    [LoadColumn(258, 321), ColumnName("Sensor5")]    public float[] Sensor5;    [LoadColumn(322, 385), ColumnName("Sensor6")]    public float[] Sensor6;}

训练完成后，在创建预测引擎时使用以下代码：

var predictor = trainedModel.CreatePredictionEngine<Histogram, PredictedTarget>(mlCtx);

会抛出以下异常：

System.ArgumentOutOfRangeException: '输入列'Sensor1'的架构不匹配：预期标量或已知大小的R4向量，但得到的是可变大小的向量参数名称：inputSchema'

我创建处理管道的代码如下：

IDataView baseTrainingDataView = mlCtx.Data.LoadFromTextFile<Histogram>(trainDataPath, hasHeader: true, separatorChar: ',');var dataProcessPipeline = mlCtx.Transforms            .CopyColumns(DefaultColumnNames.Label, nameof(Histogram.Target))            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor1), "Sensor1"))            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor2), "Sensor2"))            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor3), "Sensor3"))            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor4), "Sensor4"))            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor5), "Sensor5"))            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor6), "Sensor6"))            .Append(mlCtx.Transforms.Concatenate(DefaultColumnNames.Features, "Sensor1", "Sensor2", "Sensor3", "Sensor4", "Sensor5", "Sensor6"));

因为这是我第一次尝试使用ML.NET，所以我还不确定需要提供哪些额外信息。我会根据需要进行编辑！谢谢你。

回答：

大多数ML.NET训练器期望固定大小的向量。你可以使用VectorType属性来指定特征是一个向量。以下是添加了VectorType属性的直方图类的样子。

class Histogram{    [LoadColumn(0)]    public float Target;    [LoadColumn(1, 64), ColumnName("Sensor1"), VectorType(64)]    public float[] Sensor1;    [LoadColumn(65, 129), ColumnName("Sensor2"), VectorType(64)]    public float[] Sensor2;    [LoadColumn(130, 193), ColumnName("Sensor3"), VectorType(64)]    public float[] Sensor3;    [LoadColumn(194, 257), ColumnName("Sensor4"), VectorType(64)]    public float[] Sensor4;    [LoadColumn(258, 321), ColumnName("Sensor5"), VectorType(64)]    public float[] Sensor5;    [LoadColumn(322, 385), ColumnName("Sensor6"), VectorType(64)]    public float[] Sensor6;}

另外，Normalize()方法的签名是Normalize(outputColumnName, inputColumnName)。尽管在这个例子中可能无关紧要，因为输入列名和输出列名解析为相同的值（例如：Sensor1），但为了安全起见，最好在调用时包含参数名，因为Normalize()有多种带有默认参数的重载。虽然啰嗦，但明确包含参数名可以使你的意图更清晰。

....Append(mlCtx.Transforms.Normalize(outputColumnName: "Sensor1",                                   inputColumnName: nameof(Histogram.Sensor1)))...