dotnet/machinelearning 表达式估算器深度解析

表达式语言概述

dotnet/machinelearning 中的表达式估算器提供了一种功能强大的表达式语言，这种语言设计旨在让广大开发者感到熟悉且易于使用。它具有以下核心特性：

• 类型安全：采用静态类型系统，所有类型由编译器自动推断
• 函数式特性：纯函数式设计，不支持可变状态和副作用操作
• 错误处理：没有异常机制，异常情况会返回 NA 值
• 跨平台兼容：设计上考虑了不同平台和环境的兼容性

基础语法详解

表达式的基本结构由参数列表和表达式体组成，支持两种分隔方式：

// 冒号分隔
参数列表 : 表达式体

// 箭头函数分隔
参数列表 => 表达式体

参数列表可以是单个标识符，也可以是括号包裹的多个标识符：

x => x * 2
(a, b) => a + b

数据类型与字面量

布尔类型

• 字面量：true 和 false
• 默认值：false

整数类型

• 十进制表示：12345
• 十六进制表示：0x1234ABCD
• 类型后缀：
  • u/U：无符号整数
  • l/L：长整型(Int64)

浮点类型

• 标准表示法：3.14159
• 科学计数法：6.022e23
• 类型后缀：
  • f/F：单精度浮点
  • d/D：双精度浮点
• 默认精度：单精度(与C#不同)

文本类型

• 双引号包裹："Hello World"
• 支持标准转义字符：\n, \t等

运算符全解析

条件运算符

condition ? true_value : false_value

• 条件必须为布尔类型
• 两个值分支必须类型兼容

合并运算符

x ?? y

• 右结合性
• 操作数必须同为Single或Double

逻辑运算符

• ||/or：逻辑或
• &&/and：逻辑与

比较运算符

支持多操作数比较：

// 等价于 a == b && b == c
a == b == c  

// 等价于 0 <= x && x < 10
0 <= x < 10

数学运算符

• 基本运算：+, -, *, /, %
• 幂运算：^ (右结合性)
• 一元运算符：-(负号), !/not(逻辑非)

With表达式高级用法

With表达式允许定义局部变量，提高复杂表达式的可读性和性能：

// 基本形式
with(变量定义列表; 结果表达式)

// 温度转换示例
c => with(
    f = c * 9 / 5 + 32; 
    f < 60 ? "太冷!" : f > 90 ? "太热!" : "正好!"
)

// 变量间引用
c => with(
    f = c * 9 / 5 + 32,
    cold = f < 60,
    hot = f > 90;
    -float(cold) + float(hot)
)

// 复杂常量计算
ticks => with(
    ticksPerSecond = 10000000L,
    ticksPerHour = ticksPerSecond * 3600,
    ticksPerDay = ticksPerHour * 24,
    day = ticks / ticksPerDay,
    dayEpoch = 1;
    (day + dayEpoch) % 7
)

函数库详解

通用函数

函数	描述	示例
isna(x)	检查是否为NA	isna(null) → true
na(x)	返回x类型的NA值	na(0) → float.NaN
default(x)	返回x类型的默认值	default(0) → 0

类型转换函数

bool(x)   // 转换为布尔值
int(x)    // 转换为Int32
long(x)   // 转换为Int64
float(x)  // 转换为Single
double(x) // 转换为Double
text(x)   // 转换为字符串

数学函数

• 基础运算：abs, sign
• 极值函数：min, max
• 舍入函数：trunc, floor, ceil, round
• 对数指数：exp, log/ln
• 三角函数：
  • sin/sind (弧度/角度)
  • cos/cosd
  • tan/tand
  • 反函数：asin, acos, atan
• 双曲函数：sinh, cosh, tanh
• 角度转换：deg/degrees, rad/radians

文本处理函数

len("abc") → 3
lower("ABC") → "abc"
left("hello", 2) → "he"
right("hello", -2) → "llo"
mid("hello", 1, 3) → "ell"
concat("a","b","c") → "abc"

最佳实践建议

1. 性能优化：尽量使用多操作数比较而非多个&&连接

   // 推荐
   0 <= x < 10
   
   // 不推荐
   0 <= x && x < 10
   

2. 类型安全：注意整数运算可能溢出产生NA

3. 可读性：复杂计算使用with表达式分解步骤

4. 错误处理：使用??运算符处理NA值

   x ?? default(x)
   

5. 常量定义：重要常量使用with表达式定义，便于维护

表达式估算器为dotnet/machinelearning提供了强大的数据转换能力，掌握这些语法和函数可以极大提升特征工程和数据预处理的效率。