在Microsoft.ML（C#）中无法实现KMeans聚类的问题求助

核心错误点 #

1. 管道未正确添加训练器：ML.NET的EstimatorChain是不可变对象，Append方法会返回新的管道实例，原代码中没有将返回值重新赋值给pipeline，导致KMeans训练器根本没被加入到管道中，最终预测结果里没有生成Score列，触发Schema不匹配异常。
2. 输入模型字段类型错误：SimpleVector字段标记了[VectorType(3)]，但类型却是float，正确类型应该是float[]，否则无法正确加载向量数据。
3. 输入与预测模型未分离：将输入特征字段和预测输出字段混在同一个类中，容易导致数据加载时的Schema混淆，建议拆分输入模型和预测模型。

修正后的代码示例 #

拆分模型类 #

// 仅包含输入特征的模型类
public class SampleInput
{
    [VectorType(3)]
    public float[] SimpleVector { get; set; }
}

// 包含预测结果的模型类
public class SamplePrediction
{
    [ColumnName("PredictedLabel")]
    public uint PredictedClusterId;

    [ColumnName("Score")]
    public float[] Distances;
}

修正测试方法 #

[Fact]
public void Sample()
{
    var mlContext = new MLContext(seed: 1);

    var random = new Random().NextDoubleSequence();
    var dummyData = new SampleInput[100];
    for (int i = 0; i < 100; i++)
    {
        var val = (float)random.ElementAt(i);
        dummyData[i] = new SampleInput { SimpleVector = new float[] { val, val, val } };
    }

    // 加载训练数据
    var trainingData = mlContext.Data.LoadFromEnumerable(dummyData.Take(50));
    
    // 正确构建管道：Append后重新赋值
    var pipeline = mlContext.Transforms.Concatenate("Features", "SimpleVector")
        .Append(mlContext.Clustering.Trainers.KMeans("Features", numberOfClusters: 3));

    var trainedModel = pipeline.Fit(trainingData);

    // 加载测试数据
    var testData = mlContext.Data.LoadFromEnumerable(dummyData.TakeLast(50));
    var predictions = trainedModel.Transform(testData);
    
    // 评估聚类结果
    var metrics = mlContext.Clustering.Evaluate(predictions, scoreColumnName: "Score", featureColumnName: "Features");
}

额外说明 #

• 当指定numberOfClusters:3时，Score列会是固定大小为3的向量，此时可以在SamplePrediction的Distances字段上添加[VectorType(3)]特性，这样能让ML.NET在类型检查时更严谨，避免潜在的Schema问题。
• 如果仍然遇到异常，检查训练和测试数据的特征维度是否一致，确保所有输入样本的向量长度符合VectorType指定的大小。

内容的提问来源于stack exchange，提问作者Fredrik Claesson