機械学習から始める C# 入門
C# は .NET で動くオブジェクト指向と関数型の両方を備えた言語で、record・パターンマッチ・LINQ・null 許容参照型によって、データとモデルを簡潔かつ安全に表せます。本シリーズでは、Python 版と同じ題材の機械学習のアルゴリズムを TDD で自作し、次に .NET の機械学習ライブラリ ML.NET に置き換えて結果を突き合わせながら、C# の書き方とエコシステムを学びます。
C# 版は F# 版 と同じ .NET・ML.NET・xUnit v3 を使います。同じ処理を 2 つの言語で書いた違いに注目できるように、各章で F# 版と対比します。
特徴
- record とパターンマッチ: データや決定木の節を、値として比較できる型で表す。F# のレコードと判別共用体に当たる
- LINQ: データフレームのライブラリを使わず、record のリストを LINQ で変換・集計する
- null 許容参照型: 欠損値を
null で表し、? の有無をコンパイラに検査させる。F# の option に当たる
- ML.NET は C# 向けの API:
IDataView・属性による列の対応づけがそのまま使える。F# 版で必要だった型の橋渡しが不要になる箇所を示す
- 静的解析を最初から効かせる: .NET アナライザーと
TreatWarningsAsErrors をビルドに組み込み、第 1 章から指摘を受けながら書く
ほかの版との違い
- Notebook による探索と可視化の節は設けません。グラフは Python 版 と Kotlin 版 の可視化の節を参照してください
- 分割の手順は Python 版と同じですが、乱数生成器が異なるため、訓練データとテストデータに入る行は Python 版と一致しません。記事の数値は C# 版の実装で実測した値を載せています
開発環境
| ツール |
用途 |
| .NET SDK 10 |
ビルド・実行・パッケージ管理・テストの実行（dotnet CLI） |
| xUnit v3 |
テスティングフレームワーク |
| coverlet |
カバレッジ |
dotnet format と .editorconfig |
整形 |
| .NET アナライザー |
静的解析（AnalysisMode: Recommended） |
ライブラリ
選定の理由と、章ごとにライブラリへ置き換えられる範囲は ADR 006 を参照してください。
サンプルコード
サンプルコードは apps/csharp/ にあります。学習データの配置方法は 第 1 章 の「題材とデータ」を参照してください。
cd apps/csharp
dotnet restore
dotnet run --project tests/MachineLearning.Tests/MachineLearning.Tests.csproj
dotnet run --project src/MachineLearning -- chapter01
章構成
第 1 部: 機械学習と TDD の基本サイクル
第 2 部: 開発環境と自動化
第 3 部: 回帰と実践的な前処理
第 4 部: モデルの改善と評価
第 5 部: 教師なし学習と実運用
付録
総合演習（Bank）の解答例は Python 版のみです。演習問題は言語に依存しないので、Python 版の付録 A の問題に C# で取り組んでください。