ML-For-Beginners/translations/fr/4-Classification/2-Classifiers-1

Classificateurs de cuisine 1

Dans cette leçon, vous allez utiliser l'ensemble de données que vous avez sauvegardé lors de la dernière leçon, rempli de données équilibrées et propres sur les cuisines.

Vous utiliserez cet ensemble de données avec une variété de classificateurs pour prédire une cuisine nationale donnée à partir d'un groupe d'ingrédients. En le faisant, vous en apprendrez davantage sur certaines des façons dont les algorithmes peuvent être exploités pour des tâches de classification.

Quiz pré-conférence

Préparation

En supposant que vous avez terminé la Leçon 1, assurez-vous qu'un fichier cleaned_cuisines.csv existe dans le dossier racine /data pour ces quatre leçons.

Exercice - prédire une cuisine nationale

1. En travaillant dans le dossier notebook.ipynb de cette leçon, importez ce fichier ainsi que la bibliothèque Pandas :

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

   Les données ressemblent à ceci :

	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. Maintenant, importez plusieurs autres bibliothèques :

   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. Divisez les coordonnées X et y en deux dataframes pour l'entraînement. cuisine peut être le dataframe des labels :

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

   Cela ressemblera à ceci :

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

3. Supprimez la colonne Unnamed: 0 et la colonne cuisine en utilisant drop(). Enregistrez le reste des données comme des caractéristiques entraînables :

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

   Vos caractéristiques ressemblent à ceci :

	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

Vous êtes maintenant prêt à entraîner votre modèle !

Choisir votre classificateur

Maintenant que vos données sont propres et prêtes à être entraînées, vous devez décider quel algorithme utiliser pour le travail.

Scikit-learn regroupe la classification sous l'apprentissage supervisé, et dans cette catégorie vous trouverez plusieurs façons de classifier. La variété est assez déroutante au premier abord. Les méthodes suivantes incluent toutes des techniques de classification :

• Modèles linéaires
• Machines à vecteurs de support
• Descente de gradient stochastique
• Plus proches voisins
• Processus gaussiens
• Arbres de décision
• Méthodes d'ensemble (voting Classifier)
• Algorithmes multi-classes et multi-sorties (classification multi-classes et multi-label, classification multi-classes multi-sortie)

Vous pouvez également utiliser les réseaux neuronaux pour classifier des données, mais cela sort du cadre de cette leçon.

Quel classificateur choisir ?

Alors, quel classificateur devriez-vous choisir ? Souvent, tester plusieurs et chercher un bon résultat est un moyen d'expérimenter. Scikit-learn propose une comparaison côte à côte sur un ensemble de données créé, comparant KNeighbors, SVC de deux façons, GaussianProcessClassifier, DecisionTreeClassifier, RandomForestClassifier, MLPClassifier, AdaBoostClassifier, GaussianNB et QuadraticDiscrinationAnalysis, montrant les résultats visualisés :

Graphiques générés dans la documentation de Scikit-learn

AutoML résout ce problème élégamment en exécutant ces comparaisons dans le cloud, vous permettant de choisir le meilleur algorithme pour vos données. Essayez-le ici

Une meilleure approche

Une meilleure façon que de deviner au hasard est de suivre les idées sur cette fiche mémo ML téléchargeable. Ici, nous découvrons que, pour notre problème multiclasses, nous avons plusieurs choix :

Une section de la Fiche Mémo algorithmes de Microsoft, détaillant les options de classification multiclasses

✅ Téléchargez cette fiche mémo, imprimez-la et accrochez-la sur votre mur !

Raisonnement

Voyons si nous pouvons raisonner différentes approches compte tenu des contraintes que nous avons :

• Les réseaux neuronaux sont trop lourds. Étant donné notre ensemble de données propre, mais minimal, et le fait que nous exécutons l'entraînement localement via des notebooks, les réseaux neuronaux sont trop lourds pour cette tâche.
• Pas de classificateur binaire. Nous n'utilisons pas de classificateur binaire, ce qui exclut la méthode one-vs-all.
• Un arbre de décision ou la régression logistique pourraient fonctionner. Un arbre de décision pourrait fonctionner, ou la régression logistique pour des données multiclasses.
• Les arbres de décision Boostés multiclasses résolvent un problème différent. L'arbre de décision boosté multiclasses convient surtout aux tâches non paramétriques, par exemple celles destinées à construire des classements, donc il ne nous est pas utile.

Utiliser Scikit-learn

Nous utiliserons Scikit-learn pour analyser nos données. Cependant, il existe plusieurs façons d'utiliser la régression logistique dans Scikit-learn. Jetez un œil aux paramètres à passer.

Essentiellement, il y a deux paramètres importants - multi_class et solver - que nous devons spécifier lorsque nous demandons à Scikit-learn d'effectuer une régression logistique. La valeur multi_class applique un certain comportement. La valeur du solver est l'algorithme à utiliser. Tous les solveurs ne peuvent pas être associés à toutes les valeurs multi_class.

Selon la documentation, dans le cas multiclasses, l'algorithme d'entraînement :

• Utilise le schéma one-vs-rest (OvR), si l'option multi_class est définie sur ovr
• Utilise la perte par entropie croisée, si l'option multi_class est définie sur multinomial. (Actuellement, l'option multinomial est supportée uniquement par les solveurs ‘lbfgs’, ‘sag’, ‘saga’ et ‘newton-cg’)."

🎓 Le 'schéma' ici peut être soit 'ovr' (one-vs-rest) soit 'multinomial'. Puisque la régression logistique est vraiment conçue pour prendre en charge la classification binaire, ces schémas lui permettent de mieux gérer les tâches de classification multiclasses. source

🎓 Le 'solver' est défini comme "l'algorithme à utiliser dans le problème d'optimisation". source.

Scikit-learn propose ce tableau pour expliquer comment les solveurs gèrent différents défis présentés par différents types de structures de données :

Exercice - fractionner les données

Nous pouvons nous concentrer sur la régression logistique pour notre premier essai d'entraînement puisque vous avez récemment appris le sujet dans une leçon précédente. Divisez vos données en groupes d'entraînement et de test en appelant train_test_split() :

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

Exercice - appliquer la régression logistique

Puisque vous utilisez le cas multiclasses, vous devez choisir quel schéma utiliser et quel solveur définir. Utilisez LogisticRegression avec une configuration multiclasses et le solveur liblinear pour entraîner.

1. Créez une régression logistique avec multi_class défini sur ovr et le solveur défini sur 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))
   

   ✅ Essayez un solveur différent comme lbfgs, qui est souvent défini par défaut

   Notez que vous utilisez la fonction Pandas ravel pour aplatir vos données lorsque c'est nécessaire.

   La précision est bonne, à plus de 80 % !

2. Vous pouvez voir ce modèle en action en testant une ligne de données (n°50) :

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

   Le résultat est affiché :

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

   ✅ Essayez un numéro de ligne différent et vérifiez les résultats

3. En creusant davantage, vous pouvez vérifier l'exactitude de cette prédiction :

   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()
   

   Le résultat est imprimé - la cuisine indienne est sa meilleure hypothèse, avec une bonne probabilité :

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ Pouvez-vous expliquer pourquoi le modèle est assez sûr qu'il s'agit d'une cuisine indienne ?

4. Obtenez plus de détails en imprimant un rapport de classification, comme vous l'avez fait dans les leçons de régression :

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

   	precision	rappel	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

🚀Défi

Dans cette leçon, vous avez utilisé vos données nettoyées pour construire un modèle d'apprentissage automatique capable de prédire une cuisine nationale à partir d'une série d'ingrédients. Prenez le temps de lire les nombreuses options que Scikit-learn propose pour classifier les données. Approfondissez le concept de 'solver' pour comprendre ce qui se passe en coulisses.

Quiz post-conférence

Revue & Auto-apprentissage

Approfondissez un peu les mathématiques derrière la régression logistique dans cette leçon

Devoir

Étudiez les solveurs

---

Avertissement :
Ce document a été traduit à l’aide du service de traduction automatique Co-op Translator. Bien que nous nous efforcions d’assurer l’exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue natale doit être considéré comme la source faisant foi. Pour les informations critiques, une traduction professionnelle réalisée par un humain est recommandée. Nous ne sommes pas responsables des malentendus ou des mauvaises interprétations résultant de l’utilisation de cette traduction.