README.md

Cuisine classifiers 1

在此課程中，您將使用從上一課保存的資料集，該資料集包含平衡且乾淨的有關各國菜系的數據。

您將使用此資料集與各種分類器來_根據一組食材預測給定的國家菜系_。同時，您將進一步了解算法在分類任務中的一些應用方式。

課前測驗

準備工作

假設您已完成課程 1，請確保在這四個課程的根目錄 /data 資料夾中存在一個名為 cleaned_cuisines.csv 的檔案。

練習 - 預測國家菜系

1. 在本課的 notebook.ipynb 資料夾中，匯入該檔案及 Pandas 庫：

   import pandas as pd
   cuisines_df = pd.read_csv("../data/cleaned_cuisines.csv")
   cuisines_df.head()

   資料看起來是這樣的：

	Unnamed: 0	cuisine	almond	angelica	anise	anise_seed	apple	apple_brandy	apricot	armagnac	...	whiskey	white_bread	white_wine	whole_grain_wheat_flour	wine	wood	yam	yeast	yogurt	zucchini
0	0	indian	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
1	1	indian	1	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
2	2	indian	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
3	3	indian	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
4	4	indian	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	1	0

1. 現在，匯入更多的庫：

   from sklearn.linear_model import LogisticRegression
   from sklearn.model_selection import train_test_split, cross_val_score
   from sklearn.metrics import accuracy_score,precision_score,confusion_matrix,classification_report, precision_recall_curve
   from sklearn.svm import SVC
   import numpy as np

2. 將 X 和 y 座標分成兩個資料框用於訓練。cuisine 可以作為標籤資料框：

   cuisines_label_df = cuisines_df['cuisine']
   cuisines_label_df.head()

   它看起來是這樣的：

   0    indian
   1    indian
   2    indian
   3    indian
   4    indian
   Name: cuisine, dtype: object
   

3. 使用 drop() 丟棄 Unnamed: 0 欄和 cuisine 欄，並將剩餘的資料保存為可訓練的特徵：

   cuisines_feature_df = cuisines_df.drop(['Unnamed: 0', 'cuisine'], axis=1)
   cuisines_feature_df.head()

   您的特徵看起來是這樣：

	almond	angelica	anise	anise_seed	apple	apple_brandy	apricot	armagnac	artemisia	artichoke	...	whiskey	white_bread	white_wine	whole_grain_wheat_flour	wine	wood	yam	yeast	yogurt	zucchini
0	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
1	1	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
2	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
3	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
4	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	1	0

現在您已準備好訓練您的模型！

選擇您的分類器

現在您的資料已清理並準備好訓練，您必須決定使用哪種算法來完成這項任務。

Scikit-learn 將分類歸在監督式學習類別中，在該類別下您會找到多種分類方式。一開始可能會讓人覺得方式多樣且令人眼花繚亂。以下方法均包含分類技術：

• 線性模型
• 支持向量機
• 隨機梯度下降
• 最近鄰
• 高斯過程
• 決策樹
• 集成方法 (投票分類器)
• 多分類及多輸出算法 (多分類及多標籤分類，多分類多輸出分類)

您也可以使用神經網絡來分類數據，不過那超出本課程範圍。

應該選擇什麼分類器？

那麼，您應該選擇哪種分類器呢？通常，嘗試多種並尋找不錯的結果是一種測試方法。Scikit-learn 提供了一個並排比較，在一個生成的資料集上比較了 KNeighbors、兩種方式的 SVC、GaussianProcessClassifier、DecisionTreeClassifier、RandomForestClassifier、MLPClassifier、AdaBoostClassifier、GaussianNB 與 QuadraticDiscrinationAnalysis，並將結果視覺化展示：

圖表由 Scikit-learn 文件生成

AutoML 透過在雲端運行這些比較，輕鬆解決此問題，讓您可以選擇最適合您資料的算法。可在此嘗試

更好的方法

比起盲目猜測，一個更好的方式是參考這份可下載的機器學習備忘單。這裡我們發現，對於多分類問題，我們有一些選擇：

微軟算法備忘單的其中一部分，詳述多分類選項

✅ 下載這份備忘單，列印出來，掛在牆上！

推理

讓我們嘗試根據目前條件來推理不同方法：

• 神經網絡過於龐大。考慮到我們的資料清理乾淨但資料量較少，而且本地使用 notebook 進行訓練，神經網絡對此任務而言太過笨重。
• 不採用二元分類器。我們不使用二元分類器，因此排除一對多方案。
• 決策樹或邏輯回歸可能可行。決策樹可能適用，或者用於多類資料的邏輯回歸。
• 多類提升決策樹解決的問題不同。多類提升決策樹最適合非參數任務，例如設計用於建立排名的任務，因此對我們沒幫助。

使用 Scikit-learn

我們將使用 Scikit-learn 來分析資料。不過，在 Scikit-learn 中使用邏輯回歸的方法很多。請查看可傳遞的參數。

本質上，我們需要指定兩個重要參數 - multi_class 和 solver，這兩個參數決定了邏輯回歸的行為。multi_class 值會套用某種行為，solver 代表要使用的演算法。並非所有 solver 都能與所有 multi_class 值搭配。

根據文件，針對多分類情況，訓練算法：

• 如果 multi_class 選項設為 ovr，使用一對多（OvR）方案
• 如果 multi_class 選項設為 multinomial，使用交叉熵損失。（目前 multinomial 選項僅由 ‘lbfgs’, ‘sag’, ‘saga’ 和 ‘newton-cg’ solver 支持）"

🎓 這裡的 'scheme' 可設定為 'ovr'（一對多）或 'multinomial'。由於邏輯回歸實際上是為支持二元分類設計，這些方案允許它更好地處理多分類任務。 來源

🎓 'solver' 是指“在優化問題中要使用的算法”。來源.

Scikit-learn 提供下表說明各 solver 如何處理不同型態資料帶來的挑戰：

練習 - 分割資料

考慮到您最近在之前的課程已學過此內容，我們可先聚焦於邏輯回歸進行首次訓練。透過呼叫 train_test_split() 將資料切割為訓練集和測試集：

X_train, X_test, y_train, y_test = train_test_split(cuisines_feature_df, cuisines_label_df, test_size=0.3)

練習 - 套用邏輯回歸

由於您使用的是多類情況，您需要選擇使用哪種_方案_和設定哪種_solver_。使用帶有多類設定且 solver 為 liblinear 的 LogisticRegression 進行訓練。

1. 創建一個多類別的邏輯回歸，將 multi_class 設為 ovr，solver 設為 liblinear：

   lr = LogisticRegression(multi_class='ovr',solver='liblinear')
   model = lr.fit(X_train, np.ravel(y_train))
   
   accuracy = model.score(X_test, y_test)
   print ("Accuracy is {}".format(accuracy))

   ✅ 嘗試其他常用 solver，例如預設常用的 lbfgs

   注意，當有需要時，使用 Pandas ravel 函數將資料攤平。

   準確率相當不錯，超過 80%！

2. 您可以測試資料中的一列（例如 #50）以觀察模型實際表現：

   print(f'ingredients: {X_test.iloc[50][X_test.iloc[50]!=0].keys()}')
   print(f'cuisine: {y_test.iloc[50]}')

   結果會被印出：

   ingredients: Index(['cilantro', 'onion', 'pea', 'potato', 'tomato', 'vegetable_oil'], dtype='object')
   cuisine: indian
   

   ✅ 嘗試不同列編號並檢查結果

3. 深入探索後，你可以檢查此預測的準確度：

   test= X_test.iloc[50].values.reshape(-1, 1).T
   proba = model.predict_proba(test)
   classes = model.classes_
   resultdf = pd.DataFrame(data=proba, columns=classes)
   
   topPrediction = resultdf.T.sort_values(by=[0], ascending = [False])
   topPrediction.head()

   結果輸出 - 印度菜是模型的最佳猜測，且概率很高：

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ 你能解釋為什麼模型很確定這是印度菜嗎？

4. 藉由列印分類報告取得更多細節，就像你在回歸課程中做的那樣：

   y_pred = model.predict(X_test)
   print(classification_report(y_test,y_pred))

   	precision	recall	f1-score	support
   chinese	0.73	0.71	0.72	229
   indian	0.91	0.93	0.92	254
   japanese	0.70	0.75	0.72	220
   korean	0.86	0.76	0.81	242
   thai	0.79	0.85	0.82	254
   accuracy			0.80	1199
   macro avg	0.80	0.80	0.80	1199
   weighted avg	0.80	0.80	0.80	1199

🚀挑戰

在本課程中，你使用清理過的數據建立了一個機器學習模型，可以根據一系列食材預測國家料理。花點時間閱讀 Scikit-learn 提供的眾多資料分類選項。深入了解「解算器（solver）」的概念，以理解幕後運作。

課後測驗

複習與自學

深入了解邏輯回歸背後的數學原理，請參閱本課程。

作業

研究解算器

---

免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於確保準確性，但請注意，機器翻譯可能包含錯誤或不準確之處。原始文件（以其母語撰寫）應視為權威來源。對於重要資訊，建議尋求專業人類翻譯。我們對因使用本翻譯而引起的任何誤解或誤釋不承擔任何責任。