{ "cells": [ { "source": [ "# Lezzetli Asya ve Hint Mutfağı\n", "\n", "## Giriş\n", "\n", "Asya ve Hint mutfağı, zengin tatları ve çeşitli malzemeleriyle dünya çapında popülerdir. Bu mutfaklar, baharatların ustaca kullanımı ve benzersiz pişirme teknikleriyle tanınır.\n", "\n", "## Neden Asya ve Hint Mutfağı?\n", "\n", "Asya ve Hint yemekleri, sadece lezzetli olmakla kalmaz, aynı zamanda genellikle sağlıklı ve besleyicidir. Bu mutfaklar, sebzeler, baklagiller, baharatlar ve otlar gibi doğal malzemelere dayanır. Ayrıca, farklı kültürlerin etkilerini bir araya getirerek her damak tadına hitap eden bir çeşitlilik sunar.\n", "\n", "## Popüler Yemekler\n", "\n", "### 1. Sushi\n", "\n", "Sushi, Japon mutfağının en ünlü yemeklerinden biridir. Genellikle çiğ balık, pirinç ve deniz yosunu ile hazırlanır. Farklı türleri arasında nigiri, maki ve sashimi bulunur.\n", "\n", "### 2. Butter Chicken\n", "\n", "Butter Chicken, Hint mutfağının ikonik yemeklerinden biridir. Tavuk, kremalı bir domates sosunda pişirilir ve genellikle naan ekmeği veya pirinçle servis edilir.\n", "\n", "### 3. Pad Thai\n", "\n", "Pad Thai, Tayland mutfağından gelen bir erişte yemeğidir. Pirinç eriştesi, karides veya tavuk, yumurta, yer fıstığı ve özel bir sosla hazırlanır.\n", "\n", "### 4. Dim Sum\n", "\n", "Dim Sum, Çin mutfağından gelen küçük porsiyonlarda servis edilen bir dizi yemektir. Buharda pişirilmiş veya kızartılmış hamur işleri, köfteler ve tatlılar içerir.\n", "\n", "## Baharatların Önemi\n", "\n", "Baharatlar, Asya ve Hint mutfağının temel taşlarından biridir. Yemeklere derinlik ve karakter kazandırır. Örneğin:\n", "\n", "- **Zerdeçal**: Hint yemeklerinde yaygın olarak kullanılır ve parlak sarı rengiyle bilinir.\n", "- **Zencefil**: Hem tatlı hem de tuzlu yemeklerde kullanılır.\n", "- **Soya Sosu**: Asya mutfağında tuzlu bir tat için sıklıkla tercih edilir.\n", "\n", "## Evde Denemek İçin İpuçları\n", "\n", "- Taze malzemeler kullanın: Sebzeler, otlar ve baharatlar ne kadar taze olursa, yemekleriniz o kadar lezzetli olur.\n", "- Baharatları dikkatli ölçün: Baharatlar güçlüdür, bu yüzden miktarları dengeli kullanmaya özen gösterin.\n", "- Yeni tarifler denemekten korkmayın: Asya ve Hint mutfağı, keşfedilecek sonsuz bir çeşitlilik sunar.\n", "\n", "## Sonuç\n", "\n", "Asya ve Hint mutfağı, hem lezzetli hem de kültürel açıdan zengin bir deneyim sunar. Bu mutfakları keşfetmek, sadece yemek yapmayı değil, aynı zamanda farklı kültürleri anlamayı da içerir. Şimdi mutfağa girin ve bu harika tatları kendiniz deneyimleyin!\n" ], "cell_type": "markdown", "metadata": {} }, { "source": [ "Imblearn'i yükleyin, bu SMOTE'u etkinleştirecektir. Bu, sınıflandırma yaparken dengesiz verileri yönetmeye yardımcı olan bir Scikit-learn paketidir. (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": [ "Bu veri kümesi, belirli bir mutfak setinden çeşitli mutfaklardaki her türlü malzemeyi gösteren 385 sütun içermektedir.\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