ML.NET不能直接预测CSV数值，必须先定义强类型类并用LoadFromTextFile加载为IDataView；字段名需与CSV头完全一致且区分大小写，数值列推荐float类型，含空值列须声明为float?。
ML.NET 能不能直接预测 CSV 里的数值？
不能直接预测，必须先定义数据结构并加载为 IDataView。ML.NET 不接受裸 CSV 字符串或 DataTable，它要求你用强类型类（或 ExpandoObject）描述每一列的名称和类型。常见错误是直接传入文件路径给 mlContext.Data.LoadFromTextFile 却没配对好类字段——结果报 System.ArgumentException: Column 'xxx' not found 或数值全为 0。
- 字段名必须和 CSV 头完全一致（区分大小写），且类属性需加
[LoadColumn(n)]或按顺序匹配 - 数值列推荐用
float（不是double或int），否则训练时可能静默截断或报Schema mismatch - 含空值的列要显式声明为
float?，否则加载失败
训练一个回归模型只要三步？
核心流程确实是三步：准备数据 → 选择训练器 → 训练并保存，但每步都有关键取舍点。比如用 SdcaRegressionTrainer 快且内存友好，但对异常值敏感；FastTreeRegressionTrainer 更鲁棒，但训练慢、模型体积大。
-
mlContext.Regression.Trainers.Sdca()适合中小数据集（ - 若目标列分布偏态严重（如房价、响应时间），先在预处理管道里加
mlContext.Transforms.Concatenate+mlContext.Transforms.NormalizeLogMeanVariance - 训练完务必调用
mlContext.Model.Save(model, dataView.Schema, "model.zip")，只存ITransformer对象不保存 schema，后续加载会报Invalid model file
为什么 LoadModel 后 Predict() 总返回默认值？
最常见原因是输入对象字段名、类型、顺序和训练时用的 class 不一致，导致 IDataView 构建失败但没抛异常，内部填充了默认值（如 float 变成 0）。另一个隐蔽原因是模型保存时用了训练数据的 schema，但加载后传入新数据时字段少了一个——ML.NET 不校验字段缺失，而是静默跳过。
- 加载模型后，立刻用
model.GetOutputSchema(dataView.Schema)检查输出字段是否包含Score - Predict 输入必须是和训练时**完全相同的类**（不只是同名字段，还要同
[LoadColumn]标记） - 调试时用
mlContext.Data.CreateEnumerable<YourInputType>(dataView, reuseRowObject: false)打印前几行，确认字段值真实进入 pipeline
C# 项目里怎么引用 ML.NET 不踩 NuGet 坑？
别装 Microsoft.ML 的最新预览版（如 4.0.0-preview），它可能依赖 .NET 8+ 的新 runtime 特性，在 .NET 6 项目里编译通过但运行时报 Method not found: 'xxx'。稳定组合是：.NET 6 SDK + Microsoft.ML 2.2.2 或 .NET 8 + Microsoft.ML 3.1.0。
- 项目文件中显式指定
<TargetFramework>net6.0</TargetFramework>，避免 SDK 自动升到 net8.0 - 删除所有
Microsoft.ML.*子包（如Microsoft.ML.AutoML），它们已合并进主包，多引反而引发版本冲突 - 若用 Visual Studio，关闭“自动检查更新”选项，ML.NET 小版本更新常带 breaking change
实际部署时最容易被忽略的是模型输入验证逻辑——训练时的数据清洗步骤（如去空格、转小写、截断长文本）必须在预测服务里完全复现，否则上线后准确率断崖下跌，而日志里连错误都不报。
