C++ 机器学习入门实战：从零构建你的第一个分类模型

1次阅读

共计 2163 个字符，预计需要花费 6 分钟才能阅读完成。

工业级应用需要将机器学习模型嵌入高性能系统（如自动驾驶 / 高频交易）
C++ 的零成本抽象特性可最大限度发挥硬件算力优势
现有 C ++ 代码库能无缝集成机器学习模块，避免多语言混编的维护成本

极致性能 ：经测试，Dlib 的 SVM 在相同数据上比 scikit-learn 快 3 - 5 倍
部署便捷 ：单一可执行文件即可部署，无需处理 Python 环境依赖
内存可控 ：手动管理内存避免 GC 抖动，这对实时系统至关重要

#include <csv-parser/csv.hpp>
#include <vector>

struct IrisData {
    float sepal_length, sepal_width; 
    float petal_length, petal_width;
    int label; // 0:setosa, 1:versicolor, 2:virginica
};

// O(n) 时间复杂度，n 为数据行数
std::vector<IrisData> load_iris(const std::string& path) {aria::csv::CsvParser parser(path);
    std::vector<IrisData> dataset;

    for (auto& row : parser) {
        IrisData data{std::stof(row[0]), std::stof(row[1]),
            std::stof(row[2]), std::stof(row[3]),
            row[4] == "setosa" ? 0 : row[4] == "versicolor" ? 1 : 2
        };
        dataset.push_back(data);
    }
    return dataset;
}

#include <Eigen/Dense>

// O(n*d) 时间复杂度，d 为特征维度
Eigen::MatrixXf standardize(Eigen::MatrixXf features) {Eigen::VectorXf mean = features.colwise().mean();
    Eigen::VectorXf std = ((features.rowwise() - mean.transpose()).array().square().colwise().mean().sqrt());
    return (features.rowwise() - mean.transpose()).array().rowwise() / std.transpose().array();
}

#include <dlib/svm.h>

// O(n^2)~O(n^3) 取决于核函数
void train_svm(const Eigen::MatrixXf& features, const std::vector<int>& labels) {
    using kernel_type = dlib::radial_basis_kernel<dlib::matrix<float>>;
    dlib::svm_c_trainer<kernel_type> trainer;
    trainer.set_kernel(kernel_type(0.1)); 

    std::vector<dlib::matrix<float>> samples;
    for (int i = 0; i < features.rows(); ++i) {dlib::matrix<float> sample(1, 4);
        sample = features.row(i);
        samples.push_back(sample);
    }

    auto model = trainer.train(samples, labels);
    dlib::serialize("iris_svm.dat") << model;
}

cmake_minimum_required(VERSION 3.12)
project(iris_classifier)

find_package(Eigen3 REQUIRED)
find_package(Dlib REQUIRED)

add_executable(train_iris
    src/main.cpp
    src/data_loader.cpp
)

target_link_libraries(train_iris
    PRIVATE
    Eigen3::Eigen
    Dlib::dlib
    csv_parser
)