update zh-cn translation (#331)

* Update README.zh-cn.md

* Update README.md

* Update README.md

* Update README.ko.md

* Update README.it.md

* Update README.ru.md

* Update README.zh-cn.md

* Update README.ru.md

* Update README.zh-cn.md

* Update README.ru.md

* Update README.zh-cn.md

* Update README.zh-cn.md
pull/335/head
Flex Zhong 4 years ago committed by GitHub
parent b77275a8e9
commit 26691d38a5
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23

@ -1,6 +1,6 @@
# 对分类方法的介绍 # 对分类方法的介绍
在这四节课程中,你将会学习机器学习中一个基本的重点 - _分类_. 我们会在关于亚洲和印度的神奇的美食的数据集上尝试使用多种分类算法。希望你有点饿了。 在这四节课程中,你将会学习机器学习中一个基本的重点 - _分类_ 我们会在关于亚洲和印度的神奇的美食的数据集上尝试使用多种分类算法。希望你有点饿了。
![一个桃子!](../images/pinch.png) ![一个桃子!](../images/pinch.png)
@ -10,7 +10,7 @@
[![对分类算法的介绍](https://img.youtube.com/vi/eg8DJYwdMyg/0.jpg)](https://youtu.be/eg8DJYwdMyg "对分类算法的介绍") [![对分类算法的介绍](https://img.youtube.com/vi/eg8DJYwdMyg/0.jpg)](https://youtu.be/eg8DJYwdMyg "对分类算法的介绍")
> 🎥 点击上方的图片可以跳转到一个视频-MIT的John对分类算法的介绍 > 🎥 点击上方的图片可以跳转到一个视频-MIT John 对分类算法的介绍
请记住: 请记住:
@ -99,7 +99,7 @@ Scikit-learn项目提供多种对数据进行分类的算法你需要根据
df.info() df.info()
``` ```
Your out resembles: 你的输出应该像这样:
```output ```output
<class 'pandas.core.frame.DataFrame'> <class 'pandas.core.frame.DataFrame'>

@ -5,6 +5,7 @@
你将使用此数据集和各种分类器_根据一组配料预测这是哪一国家的美食_。在此过程中你将学到更多用来权衡分类任务算法的方法 你将使用此数据集和各种分类器_根据一组配料预测这是哪一国家的美食_。在此过程中你将学到更多用来权衡分类任务算法的方法
## [课前测验](https://white-water-09ec41f0f.azurestaticapps.net/quiz/21/) ## [课前测验](https://white-water-09ec41f0f.azurestaticapps.net/quiz/21/)
# 准备工作 # 准备工作
假如你已经完成了[课程 1](../../1-Introduction/translations/README.zh-cn.md), 确保在根目录的 `/data` 文件夹中有 _cleaned_cuisines.csv_ 这份文件来进行接下来的四节课程。 假如你已经完成了[课程 1](../../1-Introduction/translations/README.zh-cn.md), 确保在根目录的 `/data` 文件夹中有 _cleaned_cuisines.csv_ 这份文件来进行接下来的四节课程。
@ -106,9 +107,9 @@ Scikit_learn将分类任务归在了监督学习类别中在这个类别中
### 另外一种效果更佳的分类器选择方法 ### 另外一种效果更佳的分类器选择方法
比起无脑地猜测,你可以下载这份[机器学习小抄cheatsheet](https://docs.microsoft.com/azure/machine-learning/algorithm-cheat-sheet?WT.mc_id=academic-15963-cxa)。这里面将各算法进行了比较,能更有效地帮助我们选择算法。根据这份小抄,我们可以找到要完成本课程中涉及的多类型的分类任务,可以有以下这些选择: 比起无脑地猜测,你可以下载这份[机器学习速查表cheatsheet](https://docs.microsoft.com/azure/machine-learning/algorithm-cheat-sheet?WT.mc_id=academic-15963-cxa)。这里面将各算法进行了比较,能更有效地帮助我们选择算法。根据这份速查表,我们可以找到要完成本课程中涉及的多类型的分类任务,可以有以下这些选择:
![多类型问题作弊表](../images/cheatsheet.png) ![多类型问题速查表](../images/cheatsheet.png)
> 微软算法小抄中部分关于多类型分类任务可选算法 > 微软算法小抄中部分关于多类型分类任务可选算法
✅ 下载这份小抄,并打印出来,挂在你的墙上吧! ✅ 下载这份小抄,并打印出来,挂在你的墙上吧!
@ -118,7 +119,7 @@ Scikit_learn将分类任务归在了监督学习类别中在这个类别中
让我们根据所有限制条件依次对各种算法的可行性进行判断: 让我们根据所有限制条件依次对各种算法的可行性进行判断:
- **神经网络Neural Network太过复杂了**。我们的数据很清晰但数据量比较小,此外我们是通过 notebook 在本地进行训练的,神经网络对于这个任务来说过于复杂了。 - **神经网络Neural Network太过复杂了**。我们的数据很清晰但数据量比较小,此外我们是通过 notebook 在本地进行训练的,神经网络对于这个任务来说过于复杂了。
- **二分类法(two-class classifier)是不可行的**。我们不能使用二分类法,所以这就排除了一对多one-vs-all算法。 - **二分类法two-class classifier是不可行的**。我们不能使用二分类法,所以这就排除了一对多one-vs-all算法。
- **可以选择决策树以及逻辑回归算法**。决策树应该是可行的,此外也可以使用逻辑回归来处理多类型数据。 - **可以选择决策树以及逻辑回归算法**。决策树应该是可行的,此外也可以使用逻辑回归来处理多类型数据。
- **多类型增强决策树是用于解决其他问题的**. 多类型增强决策树最适合的是非参数化的任务,即任务目标是建立一个排序,这对我们当前的任务并没有作用。 - **多类型增强决策树是用于解决其他问题的**. 多类型增强决策树最适合的是非参数化的任务,即任务目标是建立一个排序,这对我们当前的任务并没有作用。
@ -145,7 +146,6 @@ Scikit-learn提供了以下这个表格来解释各种solver是如何应对的
因为你刚刚在上一节课中学习了逻辑回归,我们这里就通过逻辑回归算法,来演练一下如何进行你的第一个机器学习模型的训练。首先,需要通过调用`train_test_split()`方法可以把你的数据分割成训练集和测试集: 因为你刚刚在上一节课中学习了逻辑回归,我们这里就通过逻辑回归算法,来演练一下如何进行你的第一个机器学习模型的训练。首先,需要通过调用`train_test_split()`方法可以把你的数据分割成训练集和测试集:
```python ```python
X_train, X_test, y_train, y_test = train_test_split(cuisines_feature_df, cuisines_label_df, test_size=0.3) X_train, X_test, y_train, y_test = train_test_split(cuisines_feature_df, cuisines_label_df, test_size=0.3)
``` ```
@ -168,7 +168,7 @@ X_train, X_test, y_train, y_test = train_test_split(cuisines_feature_df, cuisine
> 注意, 使用 Pandas 的 [`ravel`](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.ravel.html) 方法可以在需要的时候将你的数据进行降维 > 注意, 使用 Pandas 的 [`ravel`](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.ravel.html) 方法可以在需要的时候将你的数据进行降维
运算之后,可以看到准确率高达了**80%**! 运算之后,可以看到准确率高达 **80%**!
1. 你也可以通过查看某一行数据(比如第 50 行)来观测到模型运行的情况: 1. 你也可以通过查看某一行数据(比如第 50 行)来观测到模型运行的情况:
@ -233,6 +233,7 @@ X_train, X_test, y_train, y_test = train_test_split(cuisines_feature_df, cuisine
在本课程中,你使用了清洗后的数据建立了一个机器学习的模型,这个模型能够根据输入的一系列的配料来预测菜品来自于哪个国家。请再花点时间阅读一下 Scikit-learn 所提供的关于可以用来分类数据的其他方法的资料。此外你也可以深入研究一下“solver”的概念并尝试一下理解其背后的原理。 在本课程中,你使用了清洗后的数据建立了一个机器学习的模型,这个模型能够根据输入的一系列的配料来预测菜品来自于哪个国家。请再花点时间阅读一下 Scikit-learn 所提供的关于可以用来分类数据的其他方法的资料。此外你也可以深入研究一下“solver”的概念并尝试一下理解其背后的原理。
## [课后测验](https://white-water-09ec41f0f.azurestaticapps.net/quiz/22/) ## [课后测验](https://white-water-09ec41f0f.azurestaticapps.net/quiz/22/)
## 回顾与自学 ## 回顾与自学
[这个课程](https://people.eecs.berkeley.edu/~russell/classes/cs194/f11/lectures/CS194%20Fall%202011%20Lecture%2006.pdf)将对逻辑回归背后的数学原理进行更加深入的讲解 [这个课程](https://people.eecs.berkeley.edu/~russell/classes/cs194/f11/lectures/CS194%20Fall%202011%20Lecture%2006.pdf)将对逻辑回归背后的数学原理进行更加深入的讲解

@ -1,4 +1,5 @@
# Getting started with classification # Getting started with classification
## Regional topic: Delicious Asian and Indian Cuisines 🍜 ## Regional topic: Delicious Asian and Indian Cuisines 🍜
In Asia and India, food traditions are extremely diverse, and very delicious! Let's look at data about regional cuisines to try to understand their ingredients. In Asia and India, food traditions are extremely diverse, and very delicious! Let's look at data about regional cuisines to try to understand their ingredients.
@ -18,8 +19,9 @@ In this section, you will build on the skills you learned in the first part of t
2. [More classifiers](2-Classifiers-1/README.md) 2. [More classifiers](2-Classifiers-1/README.md)
3. [Yet other classifiers](3-Classifiers-2/README.md) 3. [Yet other classifiers](3-Classifiers-2/README.md)
4. [Applied ML: build a web app](4-Applied/README.md) 4. [Applied ML: build a web app](4-Applied/README.md)
## Credits ## Credits
"Getting started with classification" was written with ♥️ by [Cassie Breviu](https://www.twitter.com/cassieview) and [Jen Looper](https://www.twitter.com/jenlooper) "Getting started with classification" was written with ♥️ by [Cassie Breviu](https://www.twitter.com/cassieview) and [Jen Looper](https://www.twitter.com/jenlooper)
The delicious cuisines dataset was sourced from [Kaggle](https://www.kaggle.com/hoandan/asian-and-indian-cuisines) The delicious cuisines dataset was sourced from [Kaggle](https://www.kaggle.com/hoandan/asian-and-indian-cuisines).

@ -21,6 +21,6 @@ In questa sezione si approfondiranno le abilità sulla regressione apprese nella
4. [Machine Learning applicato: sviluppare un'app web](../4-Applied/translations/README.it.md) 4. [Machine Learning applicato: sviluppare un'app web](../4-Applied/translations/README.it.md)
## Crediti ## Crediti
"Iniziare con la classificazione" è stato scritto con ♥️ da [Cassie Breviu](https://www.twitter.com/cassieview) e [Jen Looper](https://www.twitter.com/jenlooper) "Iniziare con la classificazione" è stato scritto con ♥️ da [Cassie Breviu](https://www.twitter.com/cassieview) e [Jen Looper](https://www.twitter.com/jenlooper).
L'insieme di dati sulle deliziose cucine proviene da [Kaggle](https://www.kaggle.com/hoandan/asian-and-indian-cuisines) L'insieme di dati sulle deliziose cucine proviene da [Kaggle](https://www.kaggle.com/hoandan/asian-and-indian-cuisines).

@ -22,6 +22,6 @@
## 크레딧 ## 크레딧
"Getting started with classification" was written with ♥️ by [Cassie Breviu](https://www.twitter.com/cassieview) and [Jen Looper](https://www.twitter.com/jenlooper) "Getting started with classification" was written with ♥️ by [Cassie Breviu](https://www.twitter.com/cassieview) and [Jen Looper](https://www.twitter.com/jenlooper).
맛있는 요리 데이터셋은 [Kaggle](https://www.kaggle.com/hoandan/asian-and-indian-cuisines)에서 가져왔습니다. 맛있는 요리 데이터셋은 [Kaggle](https://www.kaggle.com/hoandan/asian-and-indian-cuisines)에서 가져왔습니다.

@ -3,7 +3,7 @@
В Азии и Индии традиции кухни чрезвычайно разнообразны и очень вкусны! Давайте посмотрим на данные о региональных кухнях, чтобы попытаться понять их состав. В Азии и Индии традиции кухни чрезвычайно разнообразны и очень вкусны! Давайте посмотрим на данные о региональных кухнях, чтобы попытаться понять их состав.
! [Продавец тайской еды](./images/thai-food.jpg) ![Продавец тайской еды](../images/thai-food.jpg)
> Фото <a href="https://unsplash.com/@changlisheng?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText"> Лишенг Чанг </a> на <a href="https://unsplash.com/s/photos/asian-food?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText "> Unsplash </a> > Фото <a href="https://unsplash.com/@changlisheng?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText"> Лишенг Чанг </a> на <a href="https://unsplash.com/s/photos/asian-food?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText "> Unsplash </a>
## Что вы узнаете ## Что вы узнаете
@ -14,10 +14,11 @@
## Уроки ## Уроки
1. [Введение в классификацию](1-Introduction/README.md) 1. [Введение в классификацию](../1-Introduction/README.md)
2. [Другие классификаторы](2-Classifiers-1/README.md) 2. [Другие классификаторы](../2-Classifiers-1/README.md)
3. [Еще классификаторы](3-Classifiers-2/README.md) 3. [Еще классификаторы](../3-Classifiers-2/README.md)
4. [Прикладное машинное обучение: создание веб-приложения](4-Applied/README.md) 4. [Прикладное машинное обучение: создание веб-приложения](../4-Applied/README.md)
## Благодарности ## Благодарности
«Начало работы с классификацией» было написано с[Кэсси Бревиу](https://www.twitter.com/cassieview) и [Джен Лупер](https://www.twitter.com/jenlooper) «Начало работы с классификацией» было написано с[Кэсси Бревиу](https://www.twitter.com/cassieview) и [Джен Лупер](https://www.twitter.com/jenlooper)

@ -1,26 +1,27 @@
# 开始学习分类方法 # 开始学习分类方法
## 地方性的话题:美味的亚洲与印度菜肴 🍜 ## 地方性的话题:美味的亚洲与印度菜肴 🍜
无论是在亚洲亦或是在印度,饮食风俗在美味无比的同时,又在不同的地区各具特色。我们来看一些地方美食的数据,并尝试理解一下他们的原料。 无论是在亚洲亦或是在印度,饮食风俗在美味无比的同时,又在不同的地区各具特色。我们来看一些地方美食的数据,并尝试理解一下他们的原料。
![Thai food seller](./images/thai-food.jpg) ![Thai food seller](../images/thai-food.jpg)
> Photo by <a href="https://unsplash.com/@changlisheng?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Lisheng Chang</a> on <a href="https://unsplash.com/s/photos/asian-food?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a> > 图片由 <a href="https://unsplash.com/@changlisheng?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Lisheng Chang</a> 提供,来自 <a href="https://unsplash.com/s/photos/asian-food?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
## 你会学到什么 ## 你会学到什么
建立在我们之前所讨论的关于回归问题的讨论基础上,在本小节中,你将继续学习能够帮助你更好地理解数据的各种分类器。 建立在我们之前关于回归问题的讨论基础上,在本小节中,你将继续学习能够帮助你更好地理解数据的各种分类器。
> 这里有一些不太涉及代码,帮助你了解如何使用分类模型的小工具。可以试试用 Azure 来完成[这个小任务](https://docs.microsoft.com/learn/modules/create-classification-model-azure-machine-learning-designer/?WT.mc_id=academic-15963-cxa)。 > 这里有一些不太涉及代码,且能帮助你了解如何使用分类模型的小工具。可以试试用 Azure 来完成[这个小任务](https://docs.microsoft.com/learn/modules/create-classification-model-azure-machine-learning-designer/?WT.mc_id=academic-15963-cxa)。
## 课程 ## 课程
1. [介绍分类方法](1-Introduction/README.md) 1. [介绍分类方法](../1-Introduction/translations/README.zh-cn.md)
2. [其他分类器](2-Classifiers-1/README.md) 2. [其他分类器](../2-Classifiers-1/translations/README.zh-cn.md)
3. [更多其他的分类器](3-Classifiers-2/README.md) 3. [更多其他的分类器](../3-Classifiers-2/README.md)
4. [应用机器学习:做一个网页 APP](4-Applied/README.md) 4. [应用机器学习:做一个网页 APP](../4-Applied/README.md)
## 致谢 ## 致谢
"开始学习分类方法“部分由 [Cassie Breviu](https://www.twitter.com/cassieview) 和 [Jen Looper](https://www.twitter.com/jenlooper) 带着 ♥️ 写作 “开始学习分类方法”部分由 [Cassie Breviu](https://www.twitter.com/cassieview) 和 [Jen Looper](https://www.twitter.com/jenlooper) 用 ♥️ 写作。
这些美食的数据库数据来源于 [Kaggle](https://www.kaggle.com/hoandan/asian-and-indian-cuisines)。 这些美食的数据来源于 [Kaggle](https://www.kaggle.com/hoandan/asian-and-indian-cuisines)。

Loading…
Cancel
Save