ML-For-Beginners/translations/zh-TW/4-Classification/2-Classifiers-1

Cuisine classifiers 1

在本課程中，您將使用上課節保存的完整且平衡的乾淨資料集，這些資料集是關於各種料理的。

您將使用這個資料集搭配各種分類器，根據一組食材預測特定國家的料理。在此過程中，您將進一步了解算法如何應用於分類任務的各種方式。

課前小測驗

準備工作

假設您已完成第1課，請確保根目錄下的 /data 資料夾中有一個 cleaned_cuisines.csv 檔案，這四堂課皆會使用。

練習 - 預測國家料理

1. 在本課的 notebook.ipynb 資料夾中，匯入該檔案及 Pandas 函式庫：

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

   資料看起來如下：

	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，匯入更多函式庫：

   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 坐標分為兩個資料框做訓練，cuisine 為標籤資料框：

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

   它看起來如下：

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

3. 丟掉 Unnamed: 0 欄和 cuisine 欄，呼叫 drop()。並將剩下資料保存為可訓練特徵：

   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

現在你已準備好訓練你的模型！

選擇分類器

現在您的資料已經清理完畢且準備好進行訓練，您必須決定使用哪個算法。

Scikit-learn 把分類歸類於監督式學習(Supervised Learning)，在該類別中會發現許多分類方式。 種類繁多 首見時會令人眼花撩亂。以下方法均包含分類技術：

• 線性模型
• 支持向量機
• 隨機梯度下降
• 最近鄰
• 高斯過程
• 決策樹
• 集成方法（投票分類器）
• 多類別與多輸出算法（多類別和多標籤分類，多類別-多輸出分類）

您也可以使用神經網路來分類資料，但這超出本課範圍。

選擇何種分類器？

所以，應該選哪種分類器？通常嘗試幾種分類器並尋找好的結果是個測試方法。 Scikit-learn 提供一個並排比較的範例，該範例在一個生成的資料集中，並列比較 KNeighbors、兩種方式的 SVC、GaussianProcessClassifier、DecisionTreeClassifier、RandomForestClassifier、MLPClassifier、AdaBoostClassifier、GaussianNB 及 QuadraticDiscrinationAnalysis，並以視覺化方式呈現結果：

圖為 Scikit-learn 文件中產生的圖表

AutoML 並行在雲端執行這些比較，幫助您為資料選擇最佳算法，解決此問題。請在此處嘗試

更佳的做法

比起盲目猜測，更好方式是參考可下載的機器學習速查表 中的建議。這裡我們發現，針對我們的多類別問題，我們有一些選擇：

微軟演算法速查表的一段，詳細介紹多類別分類選項

✅ 下載此速查表，列印並掛在您的牆壁上！

推理

讓我們看看在現有限制下，如何對各種方法進行推理：

• 神經網路太龐大。 以我們乾淨但有限的資料集，且訓練在本地端的 notebook 上運行，神經網路對此任務過於沉重。
• 沒有二元分類器。 我們不用二元分類器，因此排除一對多(one-vs-all)方法。
• 決策樹或邏輯迴歸都可行。 決策樹可能有效，或針對多類別資料的邏輯迴歸也可。
• 多類別提升決策樹解決不同問題。 多類別提升決策樹適合非參數任務，例如設計排名的任務，因此不適用於我們。

使用 Scikit-learn

我們將用 Scikit-learn 來分析資料。但 Scikit-learn 中有多種方式使用邏輯迴歸。請參考可傳入的參數 。

本質上，有兩個重要參數 - multi_class 和 solver － 需要在要求 Scikit-learn 執行邏輯迴歸時指定。multi_class 設定採用的行為方式；solver 是指定解法算法。並非每個 solver 都能與所有的 multi_class 值搭配使用。

文件中說明，在多類別情形下，訓練演算法：

• 若將 multi_class 設為 ovr，將採用一對多 (one-vs-rest, OvR) 方案
• 若將 multi_class 設為 multinomial，將使用交叉熵損失函數 (cross-entropy loss)（目前 multinomial 選項只支援 ‘lbfgs’, ‘sag’, ‘saga’ 與 ‘newton-cg’ solver）

🎓 這裡的「scheme」可以是 ‘ovr’（一對多） 或 ‘multinomial’。由於邏輯迴歸本是設計給二元分類，這些方案可使其更好地處理多類別分類任務。 來源

🎓 「solver」定義為「用於優化問題的算法」。 來源。

Scikit-learn 提供這張表格說明不同 solver 如何處理不同結構的挑戰：

練習 - 分割資料

我們可以專注於邏輯迴歸進行第一次訓練，畢竟您在上節課剛學過它。 呼叫 train_test_split() 將資料分為訓練與測試組：

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

練習 - 使用邏輯迴歸

由於您選用多類別情境，須決定使用什麼 scheme 與 solver。請用 LogisticRegression 指定多類別設定，並搭配 liblinear solver 進行訓練。

1. 建立邏輯迴歸模型，設定 multi_class 為 ovr，solver 為 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))
   

   ✅ 嘗試不同 solver，如常設定為預設的 lbfgs

   注意，需時請用 Pandas ravel 函數將資料攤平成一維。

   準確率超過 80%！表現良好！

2. 您也可以透過測試一筆資料（第 50 筆）來觀察此模型實際效果：

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

   結果會印出：

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

   ✅ 嘗試不同筆數並檢查結果

3. 深入探討，您可以檢查此預測的準確性：

   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()
   

   結果已列印 — 印度料理是其最佳猜測，且有很高的機率：

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ 您能解釋為什麼模型相當確定這是印度料理嗎？

4. 藉由列印分類報告來獲得更多細節，就像你在迴歸課程中所做的那樣：

   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，您利用清理過的資料建立一個機器學習模型，能根據一系列配料預測國家料理。花些時間閱讀 Scikit-learn 提供的各種分類資料的選項。深入了解「解算器」的概念，以理解背後運作的原理。

課後測驗

複習與自學

深入探討邏輯迴歸背後的數學，詳見本課程

作業

研究解算器

---

免責聲明：
本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保準確性，請注意自動翻譯可能包含錯誤或不準確之處。原文的母語版本應視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或誤譯負責。