{ "cells": [ { "source": [ "# ਸੁਆਦਿਸ਼ਟ ਏਸ਼ੀਆਈ ਅਤੇ ਭਾਰਤੀ ਭੋਜਨ\n", "\n", "## ਪੇਸ਼ਕਸ਼ \n", "ਭਾਰਤੀ ਅਤੇ ਏਸ਼ੀਆਈ ਭੋਜਨ ਵਿਸ਼ਵ ਭਰ ਵਿੱਚ ਆਪਣੀ ਸੁਆਦ ਅਤੇ ਵੱਖਰੇ ਸੁਗੰਧਾਂ ਲਈ ਮਸ਼ਹੂਰ ਹਨ। ਇਹ ਭੋਜਨ ਸਿਰਫ਼ ਖਾਣ ਲਈ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਇਹ ਸੱਭਿਆਚਾਰ ਅਤੇ ਇਤਿਹਾਸ ਦਾ ਵੀ ਹਿੱਸਾ ਹਨ। \n", "\n", "## ਪ੍ਰਸਿੱਧ ਭਾਰਤੀ ਭੋਜਨ \n", "ਭਾਰਤ ਵਿੱਚ ਹਰ ਖੇਤਰ ਦਾ ਆਪਣਾ ਖਾਸ ਭੋਜਨ ਹੁੰਦਾ ਹੈ। ਹੇਠਾਂ ਕੁਝ ਪ੍ਰਸਿੱਧ ਭਾਰਤੀ ਭੋਜਨਾਂ ਦੀ ਸੂਚੀ ਦਿੱਤੀ ਗਈ ਹੈ: \n", "\n", "- **ਬਟੇਰ ਚਿਕਨ**: ਇਹ ਪੰਜਾਬੀ ਖਾਣੇ ਦੀ ਮਸ਼ਹੂਰ ਡਿਸ਼ ਹੈ। ਇਸ ਵਿੱਚ ਮੱਖਣ ਅਤੇ ਮਸਾਲਿਆਂ ਦਾ ਸੁੰਦਰ ਮਿਲਾਪ ਹੁੰਦਾ ਹੈ। \n", "- **ਬਿਰਯਾਨੀ**: ਚਾਵਲ ਅਤੇ ਮਸਾਲਿਆਂ ਨਾਲ ਬਣਾਈ ਜਾਣ ਵਾਲੀ ਇਹ ਡਿਸ਼ ਹਰ ਖੇਤਰ ਵਿੱਚ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਬਣਾਈ ਜਾਂਦੀ ਹੈ। \n", "- **ਦੋਸਾ**: ਦੱਖਣੀ ਭਾਰਤ ਦੀ ਇਹ ਪਤਲੀ ਅਤੇ ਕਰਾਰੀ ਡਿਸ਼ ਦਾਲ ਅਤੇ ਚਾਵਲ ਦੇ ਖਮੀਰ ਵਾਲੇ ਘੋਲ ਨਾਲ ਬਣਦੀ ਹੈ। \n", "\n", "## ਪ੍ਰਸਿੱਧ ਏਸ਼ੀਆਈ ਭੋਜਨ \n", "ਏਸ਼ੀਆਈ ਭੋਜਨ ਵੀ ਆਪਣੇ ਖਾਸ ਸੁਆਦ ਅਤੇ ਤਰੀਕਿਆਂ ਲਈ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਹੇਠਾਂ ਕੁਝ ਪ੍ਰਸਿੱਧ ਡਿਸ਼ਾਂ ਹਨ: \n", "\n", "- **ਸੁਸ਼ੀ**: ਜਪਾਨ ਦੀ ਇਹ ਡਿਸ਼ ਕੱਚੀ ਮੱਛੀ ਅਤੇ ਚਾਵਲ ਨਾਲ ਬਣਦੀ ਹੈ। \n", "- **ਪੈਡ ਥਾਈ**: ਥਾਈਲੈਂਡ ਦੀ ਇਹ ਨੂਡਲ ਡਿਸ਼ ਮਿੱਠੇ, ਖੱਟੇ ਅਤੇ ਮਸਾਲੇਦਾਰ ਸੁਆਦਾਂ ਦਾ ਮਿਲਾਪ ਹੈ। \n", "- **ਡਿੰਪਲਿੰਗਸ**: ਚੀਨ ਦੀ ਇਹ ਡਿਸ਼ ਮੈਦੇ ਦੇ ਪਟੜੇ ਵਿੱਚ ਭਰਾਵਟ ਭਰ ਕੇ ਬਣਾਈ ਜਾਂਦੀ ਹੈ। \n", "\n", "## ਮਸਾਲਿਆਂ ਦੀ ਮਹੱਤਤਾ \n", "ਭਾਰਤੀ ਅਤੇ ਏਸ਼ੀਆਈ ਭੋਜਨਾਂ ਵਿੱਚ ਮਸਾਲਿਆਂ ਦੀ ਖਾਸ ਮਹੱਤਤਾ ਹੁੰਦੀ ਹੈ। ਇਹ ਸਿਰਫ਼ ਸੁਆਦ ਹੀ ਨਹੀਂ ਵਧਾਉਂਦੇ, ਸਗੋਂ ਸਿਹਤ ਲਈ ਵੀ ਲਾਭਦਾਇਕ ਹੁੰਦੇ ਹਨ। ਕੁਝ ਆਮ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਮਸਾਲੇ ਹਨ: \n", "\n", "- **ਹਲਦੀ**: ਇਹ ਸੁਆਦ ਦੇ ਨਾਲ-ਨਾਲ ਸੂਜਨ ਘਟਾਉਣ ਵਿੱਚ ਮਦਦਗਾਰ ਹੈ। \n", "- **ਜੀਰਾ**: ਇਹ ਪਚਨ ਪ੍ਰਣਾਲੀ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ। \n", "- **ਧਨੀਆ**: ਇਹ ਭੋਜਨ ਵਿੱਚ ਤਾਜਗੀ ਲਿਆਉਂਦਾ ਹੈ। \n", "\n", "## ਨਤੀਜਾ \n", "ਭਾਰਤੀ ਅਤੇ ਏਸ਼ੀਆਈ ਭੋਜਨ ਸਿਰਫ਼ ਖਾਣ-ਪੀਣ ਦਾ ਹਿੱਸਾ ਨਹੀਂ, ਸਗੋਂ ਇਹ ਸੱਭਿਆਚਾਰ ਅਤੇ ਪਰੰਪਰਾਵਾਂ ਦਾ ਪ੍ਰਤੀਕ ਹਨ। ਇਹ ਭੋਜਨ ਵਿਸ਼ਵ ਭਰ ਵਿੱਚ ਲੋਕਾਂ ਨੂੰ ਜੋੜਦੇ ਹਨ ਅਤੇ ਸੁਆਦ ਦੇ ਨਾਲ-ਨਾਲ ਸਿਹਤ ਲਈ ਵੀ ਲਾਭਦਾਇਕ ਹਨ। \n", "\n", "[!TIP] ਆਪਣੇ ਖਾਣੇ ਵਿੱਚ ਨਵੇਂ ਸੁਆਦਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਤੋਂ ਨਾ ਡਰੋ। ਇਹ ਤੁਹਾਡੇ ਭੋਜਨ ਦੇ ਅਨੁਭਵ ਨੂੰ ਹੋਰ ਵੀ ਰੰਗੀਨ ਬਣਾ ਸਕਦਾ ਹੈ। \n" ], "cell_type": "markdown", "metadata": {} }, { "source": [ "ਇੰਬਲਰਨ ਇੰਸਟਾਲ ਕਰੋ ਜੋ SMOTE ਨੂੰ ਯੋਗ ਬਣਾਏਗਾ। ਇਹ ਇੱਕ ਸਕਾਈਕਿਟ-ਲਰਨ ਪੈਕੇਜ ਹੈ ਜੋ ਵਰਗੀਕਰਨ ਕਰਦੇ ਸਮੇਂ ਅਸਮਤੁਲਿਤ ਡਾਟਾ ਨੂੰ ਸੰਭਾਲਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। (https://imbalanced-learn.org/stable/)\n" ], "cell_type": "markdown", "metadata": {} }, { "cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "Requirement already satisfied: imblearn in /Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages (0.0)\n", "Requirement already satisfied: imbalanced-learn in /Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages (from imblearn) (0.8.0)\n", "Requirement already satisfied: numpy>=1.13.3 in /Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages (from imbalanced-learn->imblearn) (1.19.2)\n", "Requirement already satisfied: scipy>=0.19.1 in /Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages (from imbalanced-learn->imblearn) (1.4.1)\n", "Requirement already satisfied: scikit-learn>=0.24 in /Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages (from imbalanced-learn->imblearn) (0.24.2)\n", "Requirement already satisfied: joblib>=0.11 in /Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages (from imbalanced-learn->imblearn) (0.16.0)\n", "Requirement already satisfied: threadpoolctl>=2.0.0 in /Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages (from scikit-learn>=0.24->imbalanced-learn->imblearn) (2.1.0)\n", "\u001b[33mWARNING: You are using pip version 20.2.3; however, version 21.1.2 is available.\n", "You should consider upgrading via the '/Library/Frameworks/Python.framework/Versions/3.7/bin/python3.7 -m pip install --upgrade pip' command.\u001b[0m\n", "Note: you may need to restart the kernel to use updated packages.\n" ] } ], "source": [ "pip install imblearn" ] }, { "cell_type": "code", "execution_count": 2, "metadata": {}, "outputs": [], "source": [ "import pandas as pd\n", "import matplotlib.pyplot as plt\n", "import matplotlib as mpl\n", "import numpy as np\n", "from imblearn.over_sampling import SMOTE" ] }, { "cell_type": "code", "execution_count": 3, "metadata": {}, "outputs": [], "source": [ "df = pd.read_csv('../../data/cuisines.csv')" ] }, { "source": [ "ਇਹ ਡੇਟਾਸੈੱਟ ਵਿੱਚ 385 ਕਾਲਮ ਸ਼ਾਮਲ ਹਨ ਜੋ ਦਿੱਤੇ ਗਏ ਖਾਣਿਆਂ ਦੇ ਸੈੱਟ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਪਕਵਾਨਾਂ ਦੇ ਹਰ ਕਿਸਮ ਦੇ ਸਮੱਗਰੀ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।\n" ], "cell_type": "markdown", "metadata": {} }, { "cell_type": "code", "execution_count": 4, "metadata": {}, "outputs": [ { "output_type": "execute_result", "data": { "text/plain": [ " Unnamed: 0 cuisine almond angelica anise anise_seed apple \\\n", "0 65 indian 0 0 0 0 0 \n", "1 66 indian 1 0 0 0 0 \n", "2 67 indian 0 0 0 0 0 \n", "3 68 indian 0 0 0 0 0 \n", "4 69 indian 0 0 0 0 0 \n", "\n", " apple_brandy apricot armagnac ... whiskey white_bread white_wine \\\n", "0 0 0 0 ... 0 0 0 \n", "1 0 0 0 ... 0 0 0 \n", "2 0 0 0 ... 0 0 0 \n", "3 0 0 0 ... 0 0 0 \n", "4 0 0 0 ... 0 0 0 \n", "\n", " whole_grain_wheat_flour wine wood yam yeast yogurt zucchini \n", "0 0 0 0 0 0 0 0 \n", "1 0 0 0 0 0 0 0 \n", "2 0 0 0 0 0 0 0 \n", "3 0 0 0 0 0 0 0 \n", "4 0 0 0 0 0 1 0 \n", "\n", "[5 rows x 385 columns]" ], "text/html": "
\n | Unnamed: 0 | \ncuisine | \nalmond | \nangelica | \nanise | \nanise_seed | \napple | \napple_brandy | \napricot | \narmagnac | \n... | \nwhiskey | \nwhite_bread | \nwhite_wine | \nwhole_grain_wheat_flour | \nwine | \nwood | \nyam | \nyeast | \nyogurt | \nzucchini | \n
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | \n65 | \nindian | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
1 | \n66 | \nindian | \n1 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
2 | \n67 | \nindian | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
3 | \n68 | \nindian | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
4 | \n69 | \nindian | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n1 | \n0 | \n
5 rows × 385 columns
\n\n | almond | \nangelica | \nanise | \nanise_seed | \napple | \napple_brandy | \napricot | \narmagnac | \nartemisia | \nartichoke | \n... | \nwhiskey | \nwhite_bread | \nwhite_wine | \nwhole_grain_wheat_flour | \nwine | \nwood | \nyam | \nyeast | \nyogurt | \nzucchini | \n
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
1 | \n1 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
2 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
3 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
4 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n1 | \n0 | \n
5 rows × 380 columns
\n\n | almond | \nangelica | \nanise | \nanise_seed | \napple | \napple_brandy | \napricot | \narmagnac | \nartemisia | \nartichoke | \n... | \nwhiskey | \nwhite_bread | \nwhite_wine | \nwhole_grain_wheat_flour | \nwine | \nwood | \nyam | \nyeast | \nyogurt | \nzucchini | \n
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
1 | \n1 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
2 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
3 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
4 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n1 | \n0 | \n
5 rows × 380 columns
\n\n | cuisine | \nalmond | \nangelica | \nanise | \nanise_seed | \napple | \napple_brandy | \napricot | \narmagnac | \nartemisia | \n... | \nwhiskey | \nwhite_bread | \nwhite_wine | \nwhole_grain_wheat_flour | \nwine | \nwood | \nyam | \nyeast | \nyogurt | \nzucchini | \n
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | \nindian | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
1 | \nindian | \n1 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
2 | \nindian | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
3 | \nindian | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
4 | \nindian | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n1 | \n0 | \n
... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n... | \n
3990 | \nthai | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
3991 | \nthai | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
3992 | \nthai | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
3993 | \nthai | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
3994 | \nthai | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n... | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n0 | \n
3995 rows × 381 columns
\n