ML-For-Beginners/translations/zh-HK/4-Classification/2-Classifiers-1/README.md

Cuisine classifiers 1

在本課程中，您將使用上一課保存的平衡且乾淨的關於不同料理類型的數據集。

您將使用該數據集搭配各種分類器，根據一組食材預測指定的國家料理。在此過程中，您將了解更多算法如何用於分類任務的方法。

課前測驗

準備工作

假設您已完成課程 1，請確認在這四課的根目錄 /data 資料夾中存在一個名為 cleaned_cuisines.csv 的檔案。

練習 - 預測一個國家料理

1. 在本課的 notebook.ipynb 中，導入該文件以及 Pandas 函式庫：

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

   數據看起來如下：

	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. 現在，導入更多函式庫：

   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. 將 X 和 y 分別劃分成兩個資料框，用於訓練。cuisine 可作為標籤資料框：

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

   看起來將會是這樣：

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

3. 丟棄 Unnamed: 0 欄位和 cuisine 欄位，呼叫 drop()。將剩餘資料作為可訓練特徵：

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

   您的特徵看起來像這樣：

	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

現在，您已準備好訓練模型！

選擇你的分類器

既然資料已乾淨且準備好做訓練，您得決定用哪個算法來執行這個任務。

Scikit-learn 將分類歸類於監督學習，您會在該類別下看到多種分類方法。種類乍看之下令人眼花繚亂。以下方法都包含分類技術：

• 線性模型
• 支援向量機
• 隨機梯度下降
• 最近鄰居
• 高斯過程
• 決策樹
• 集成方法（投票分類器）
• 多類與多輸出算法（多類與多標籤分類，多類多輸出分類）

你也可以使用神經網絡來對數據分類，但那超出本課範圍。

選擇哪個分類器？

那麼，應該選哪個分類器呢？通常，可以嘗試多個方法，看看哪個結果最好是檢測的好方法。Scikit-learn 提供了一個對比範例，在一個自己製作的數據集上比較 KNeighbors、SVC 兩種方式、GaussianProcessClassifier、DecisionTreeClassifier、RandomForestClassifier、MLPClassifier、AdaBoostClassifier、GaussianNB 及 QuadraticDiscrinationAnalysis，並以視覺化展示結果：

由 Scikit-learn 文件生成的圖表

AutoML 通過在雲端運行這些比較來巧妙解決此問題，讓您可選擇最適合自己數據的算法。試試看這裡

一個更好的方法

比起盲目猜測，跟隨這個可下載的 ML 速查表 的想法會更好。在這裏，我們發現針對我們的多類問題，有以下幾種選擇：

微軟算法速查表的其中一部分，詳列多類分類的選項

✅ 下載這張速查表，列印出來，並掛在桌旁！

推理分析

讓我們看看能否依照我們的限制條件，推斷出不同方法的合理性：

• 神經網絡太重。基於我們潔淨但有限的資料集，以及我們在筆記本中本地訓練的事實，神經網絡對此任務來說過於龐大。
• 沒有雙類分類器。我們沒有使用雙類分類器，因此排除 one-vs-all 的方法。
• 決策樹或邏輯迴歸可能奏效。決策樹可能有效，或者使用適合多類資料的邏輯迴歸。
• 多類提升決策樹解決不同問題。多類提升決策樹適合非參數任務，例如用來建立排序的任務，因此對我們無用。

使用 Scikit-learn

我們將使用 Scikit-learn 來分析資料。但 Scikit-learn 中有許多使用邏輯迴歸的方法。看看必須傳入的參數。

主要有兩個重要參數 - multi_class 和 solver - 需要指定，當您要求 Scikit-learn 執行邏輯迴歸時。multi_class 設定套用特定行為。solver 定義使用的算法。並非所有 solver 都能搭配所有 multi_class 參數。

根據文件，對多類情況而言，訓練算法：

• 使用 one-vs-rest (OvR) 機制，當 multi_class 選項設定為 ovr
• 使用交叉熵損失，當 multi_class 選項設定為 multinomial。（目前 multinomial 僅支援 ‘lbfgs’, ‘sag’, ‘saga’ 和 ‘newton-cg’ solver。)"

🎓 此處的 'scheme' 可設為 'ovr'（一對多）或 'multinomial'（多項式）。因邏輯迴歸本質設計為二分類，這些機制幫助其更好地處理多類分類任務。 來源

🎓 'solver' 定義為「優化問題中所用的算法」。來源

Scikit-learn 以此表格解釋不同 solver 如何處理不同數據結構的挑戰：

練習 - 分割數據

我們可聚焦於邏輯迴歸，作為首次訓練嘗試，因為您之前課程中剛學習過它。 呼叫 train_test_split() 將資料分割為訓練組和測試組：

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

練習 - 應用邏輯迴歸

因為您使用多類情況，您需要選擇使用的 機制 與設定的 solver。用 multi_class 設為 ovr 且 solver 設為 liblinear 的 LogisticRegression 做訓練。

1. 建立一個 multi_class 設為 ovr 且 solver 是 liblinear 的邏輯迴歸：

   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))
   

   ✅ 試試其他 solver，例如經常作為預設的 lbfgs

   注意，如有需要，請使用 Pandas 的 ravel 函式來壓平資料。

   準確率相當好，超過 80%！

2. 透過測試一筆資料（第 50 行）來看看此模型在運作時的表現：

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

   列印輸出結果：

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

   ✅ 更換不同的行號來檢查結果

3. 挖得更深，你可以檢查這個預測的準確性：

   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()
   

   結果列印出來 - 印度料理是其最佳猜測，且機率相當高：

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ 你能解釋為什麼模型相當確定這是印度料理嗎？

4. 如同迴歸課程一樣，透過列印分類報告取得更多細節：

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

   	precision	recall	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

🚀挑戰

在本課程中，你使用清理過的資料建構了一個機器學習模型，可以根據一系列的食材預測國家料理。花點時間閱讀 Scikit-learn 提供的多種資料分類選項。深入了解「solver」的概念，以理解幕後的運作原理。

課後小測驗

複習與自學

深入探究邏輯斯迴歸背後的數學原理，請參閱此課程

作業

研究 solver

---

免責聲明：
本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不承擔因使用此翻譯而引起的任何誤解或曲解之責任。