ML.NET是否不支持Guid类型DataFrameColumns？训练时抛出异常

结论 #

ML.NET不支持直接将Guid类型作为训练数据列，这就是你训练FastTree回归模型时抛出System.NotSupportedException: 'Type is Guid'异常的原因。目前ML.NET的算法及数据处理组件仅支持有限的原生数据类型，Guid不在支持范围内。

解决办法 #

要处理这类Guid类型的分类列，需要先把它转换成ML.NET支持的类型，推荐两种实用方案：

1. 转字符串类型 #

把Guid转换成字符串，ML.NET的OneHotEncoding组件可以正常处理字符串类型的分类列：

// 将Guid列转为字符串列
var stringCategoryColumn = new PrimitiveDataFrameColumn<string>("CategoryId_String", 
    dataFrame.Columns["CategoryId"].Cast<Guid>().Select(g => g.ToString()));
dataFrame.Columns.Remove("CategoryId");
dataFrame.Columns.Add(stringCategoryColumn);

2. 转整数类型 #

如果你的Guid取值数量不多，可以给每个唯一Guid分配一个整数ID，这种方式训练效率更高：

// 提取唯一Guid并建立映射关系
var uniqueGuids = dataFrame.Columns["CategoryId"].Cast<Guid>().Distinct().ToList();
var intCategoryColumn = new PrimitiveDataFrameColumn<int>("CategoryId_Int",
    dataFrame.Columns["CategoryId"].Cast<Guid>().Select(g => uniqueGuids.IndexOf(g)));
dataFrame.Columns.Remove("CategoryId");
dataFrame.Columns.Add(intCategoryColumn);

后续步骤 #

完成类型转换后，就可以正常用OneHotEncoding处理该列，再传入FastTree回归模型进行训练了。

内容的提问来源于stack exchange，提问作者Valuator