diff --git a/3-Web-App/translations/README.zh-cn.md b/3-Web-App/translations/README.zh-cn.md index f6d8505a..b4d4c0db 100644 --- a/3-Web-App/translations/README.zh-cn.md +++ b/3-Web-App/translations/README.zh-cn.md @@ -10,7 +10,7 @@ 1. [构建一个 Web 应用程序](../1-Web-App/translations/README.zh-cn.md) -## 作者 +## 致谢 "构建一个 Web 应用程序" 由 [Jen Looper](https://twitter.com/jenlooper) 用 ♥ 编写️ diff --git a/4-Classification/3-Classifiers-2/README.md b/4-Classification/3-Classifiers-2/README.md index 291b3a75..00675169 100644 --- a/4-Classification/3-Classifiers-2/README.md +++ b/4-Classification/3-Classifiers-2/README.md @@ -176,7 +176,7 @@ Let's try for a little better accuracy with a Support Vector Classifier. Let's follow the path to the very end, even though the previous test was quite good. Let's try some 'Ensemble Classifiers, specifically Random Forest and AdaBoost: ```python -'RFST': RandomForestClassifier(n_estimators=100), + 'RFST': RandomForestClassifier(n_estimators=100), 'ADA': AdaBoostClassifier(n_estimators=100) ``` diff --git a/4-Classification/3-Classifiers-2/translations/README.zh-cn.md b/4-Classification/3-Classifiers-2/translations/README.zh-cn.md new file mode 100644 index 00000000..f26f2a42 --- /dev/null +++ b/4-Classification/3-Classifiers-2/translations/README.zh-cn.md @@ -0,0 +1,235 @@ +# 菜品分类器 2 + +在第二节课程中，您将探索更多方法来对数值数据进行分类。您还将了解选择不同的分类器所带来的结果。 + +## [课前测验](https://white-water-09ec41f0f.azurestaticapps.net/quiz/23/) + +### 先决条件 + +我们假设您已经完成了前面的课程，并且在本次课程文件夹根路径下的 `data` 文件夹中有一个经过清洗的名为 cleaned_cuisines.csv 数据集。 + +### 准备工作 + +我们已经将清洗过的数据集加载进您的 _notebook.ipynb_ 文件，并分为 X 和 Y dataframe，为模型构建过程做好准备。 + +## 分类学习路线图 + +在此之前，您已经了解使用 Microsoft 速查表对数据进行分类时可以使用到的各种选项。Scikit-learn 提供了一个类似的，但更细粒度的速查表，可以进一步帮助您调整估计器(分类器的另一个术语)： + +![来自 Scikit-learn 的机器学习路线图 ](../images/map.png) +> 提示：[在线查看路线图](https://scikit-learn.org/stable/tutorial/machine_learning_map/)并沿着路线阅读文档。 + +### 计划 + +一旦您清楚了解了您的数据，这张路线图就非常有用，因为您可以沿着路线并做出决定： + +- 我们有超过 50 个样本 +- 我们想要预测一个类别 +- 我们有标记过的数据 +- 我们的样本数少于 100000 +- ✨ 我们可以选择线性 SVC +- 如果那不起作用，既然我们有数值数据 + - 我们可以尝试 ✨ K-近邻分类器 + - 如果那不起作用，试试 ✨ SVC 和 ✨ 集成分类器 + +这是一条非常有用的线索。 + +## 练习 - 拆分数据 + +按照这个路线，我们应该从导入一些要使用的库来开始。 + +1. 导入需要的库： + + ```python + from sklearn.neighbors import KNeighborsClassifier + from sklearn.linear_model import LogisticRegression + from sklearn.svm import SVC + from sklearn.ensemble import RandomForestClassifier, AdaBoostClassifier + 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 + import numpy as np + ``` + +2. 拆分您的训练数据和测试数据： + + ```python + X_train, X_test, y_train, y_test = train_test_split(cuisines_feature_df, cuisines_label_df, test_size=0.3) + ``` + +## 线性 SVC 分类器 + +支持向量分类（SVC）是机器学习方法支持向量机家族中的一个子类（参阅下方内容，学习更多相关知识）。用这种方法您可以选择一个 kernel 去决定如何聚类标签。C 参数指的是“正则化”，它将参数的影响正则化。kernel 可以是[其中](https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html#sklearn.svm.SVC)的一项；这里我们将 kernel 设置为 linear 来使用线性 SVC。probability 默认为 false，这里我们将其设置为 true 来收集概率估计。我们还将 random_state 设置为 0 去打乱数据来获得概率。 + +### 练习 - 使用线性 SVC + +我们通过创建一个分类器数组来开始。在我们测试时您可以逐步向这个数组中添加分类器。 + +1. 从一个线性 SVC 开始： + + ```python + C = 10 + # 创建不同的分类器 + classifiers = { + 'Linear SVC': SVC(kernel='linear', C=C, probability=True,random_state=0) + } + ``` + +2. 使用线性 SVC 训练您的模型并打印报告： + + ```python + n_classifiers = len(classifiers) + + for index, (name, classifier) in enumerate(classifiers.items()): + classifier.fit(X_train, np.ravel(y_train)) + + y_pred = classifier.predict(X_test) + accuracy = accuracy_score(y_test, y_pred) + print("Accuracy (train) for %s: %0.1f%% " % (name, accuracy * 100)) + print(classification_report(y_test,y_pred)) + ``` + + 结果看上去不错： + + ```output + Accuracy (train) for Linear SVC: 78.6% + precision recall f1-score support + + chinese 0.71 0.67 0.69 242 + indian 0.88 0.86 0.87 234 + japanese 0.79 0.74 0.76 254 + korean 0.85 0.81 0.83 242 + thai 0.71 0.86 0.78 227 + + accuracy 0.79 1199 + macro avg 0.79 0.79 0.79 1199 + weighted avg 0.79 0.79 0.79 1199 + ``` + +## K-近邻分类器 + +K-近邻是机器学习方法最近邻家族的一部分，可以用来进行有监督和无监督学习。这种方法创建了预定个数的点，并且数据被聚集在这些点的四周，这样数据的大致标签可以被预测出来。 + +### 练习 - 使用 K-近邻分类器 + +前面的分类器都很不错，并且能在数据集上起作用，但是我们可能需要更好的精度。来试试 K-近邻分类器。 + +1. 给您的分类器数组添加一行（在线性 SVC 分类器后添加逗号）： + + ```python + 'KNN classifier': KNeighborsClassifier(C), + ``` + + 结果有点糟糕： + + ```output + Accuracy (train) for KNN classifier: 73.8% + precision recall f1-score support + + chinese 0.64 0.67 0.66 242 + indian 0.86 0.78 0.82 234 + japanese 0.66 0.83 0.74 254 + korean 0.94 0.58 0.72 242 + thai 0.71 0.82 0.76 227 + + accuracy 0.74 1199 + macro avg 0.76 0.74 0.74 1199 + weighted avg 0.76 0.74 0.74 1199 + ``` + + ✅ 了解 [K-近邻](https://scikit-learn.org/stable/modules/neighbors.html#neighbors) + +## Support Vector 分类器 + +Support-Vector 分类器是机器学习方法[支持向量机](https://wikipedia.org/wiki/Support-vector_machine)家族的一部分，被用于分类和回归任务。为了最大化两个类别之间的距离，支持向量机将“训练样例映射为空间中不同的点”。然后数据被映射为距离，所以它们的类别可以得到预测。 + +### 练习 - 使用 Support Vector 分类器 + +为了更好的精度，我们尝试 Support Vector 分类器。 + +1. 在 K-近邻分类器后添加逗号，然后添加下面一行： + + ```python + 'SVC': SVC(), + ``` + + 结果相当不错！ + + ```output + Accuracy (train) for SVC: 83.2% + precision recall f1-score support + + chinese 0.79 0.74 0.76 242 + indian 0.88 0.90 0.89 234 + japanese 0.87 0.81 0.84 254 + korean 0.91 0.82 0.86 242 + thai 0.74 0.90 0.81 227 + + accuracy 0.83 1199 + macro avg 0.84 0.83 0.83 1199 + weighted avg 0.84 0.83 0.83 1199 + ``` + + ✅ 了解 [Support-Vectors](https://scikit-learn.org/stable/modules/svm.html#svm) + +## 集成分类器 + +尽管之前的测试结果相当不错，我们还是沿着路线走到最后吧。我们来尝试一些集成分类器，特别是随机森林和 AdaBoost： + +```python + 'RFST': RandomForestClassifier(n_estimators=100), + 'ADA': AdaBoostClassifier(n_estimators=100) +``` + +结果非常好，尤其是随机森林方法的： + +```output +Accuracy (train) for RFST: 84.5% + precision recall f1-score support + + chinese 0.80 0.77 0.78 242 + indian 0.89 0.92 0.90 234 + japanese 0.86 0.84 0.85 254 + korean 0.88 0.83 0.85 242 + thai 0.80 0.87 0.83 227 + + accuracy 0.84 1199 + macro avg 0.85 0.85 0.84 1199 +weighted avg 0.85 0.84 0.84 1199 + +Accuracy (train) for ADA: 72.4% + precision recall f1-score support + + chinese 0.64 0.49 0.56 242 + indian 0.91 0.83 0.87 234 + japanese 0.68 0.69 0.69 254 + korean 0.73 0.79 0.76 242 + thai 0.67 0.83 0.74 227 + + accuracy 0.72 1199 + macro avg 0.73 0.73 0.72 1199 +weighted avg 0.73 0.72 0.72 1199 +``` + +✅ 学习[集成分类器](https://scikit-learn.org/stable/modules/ensemble.html) + +这种机器学习方法"组合了各种基本估计器的预测"来提高模型质量。在我们的示例中，我们使用随机森林和 AdaBoost。 + +- [随机森林](https://scikit-learn.org/stable/modules/ensemble.html#forest)是一种平均化方法，它建立了一个注入了随机性的“决策树森林”以避免过度拟合。n_estimators 参数设置了随机森林中树的数量。 + +- [AdaBoost](https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html) 在数据集上拟合一个分类器，然后在同一数据集上拟合分类器的额外副本。它关注并调整错误分类实例的权重，以便后续的分类器更多地关注和修正。 + +--- + +## 🚀挑战 + +这些技术方法每个都有很多能够让您微调的参数。研究每一个的默认参数，并思考调整这些参数对模型质量有何意义。 + +## [课后测验](https://white-water-09ec41f0f.azurestaticapps.net/quiz/24/) + +## 回顾与自学 + +课程中出现了很多术语，花点时间浏览[术语表](https://docs.microsoft.com/dotnet/machine-learning/resources/glossary?WT.mc_id=academic-15963-cxa)来复习一下它们吧！ + +## 作业 + +[玩转参数](../translations/assignment.zh-cn.md) diff --git a/4-Classification/3-Classifiers-2/translations/assignment.zh-cn.md b/4-Classification/3-Classifiers-2/translations/assignment.zh-cn.md new file mode 100644 index 00000000..08fa81f0 --- /dev/null +++ b/4-Classification/3-Classifiers-2/translations/assignment.zh-cn.md @@ -0,0 +1,11 @@ +# 玩转参数 + +## 说明 + +在使用分类器时，有很多被默认设置了的参数。Vs Code 中的 Intellisense 可以帮助您深入了解它们。选用本课程中机器学习分类方法中的一个，调整各种参数，重新训练模型。构建一个 notebook 工程来解释为什么有些参数改变有助于提高模型质量，而其他改变会降低模型质量。请在您的回答中详细介绍。 + +## 评判标准 + +| 标准 | 优秀 | 中规中矩 | 仍需努力 | +| ---- | --- | -------- | ------- | +| | 提交了一个 notebook 工程文件，构建了一个完整且参数调整过的分类器，并对参数改变进行解释 | 提交了一个不完整的或没有详细解释的 notebook 工程文件 | notebook 工程文件有错误或者有缺陷 |