|
|
# Cuisine classifiers 2
|
|
|
|
|
|
在第二堂分類課中，您將探索更多對數值數據進行分類的方法。您亦會了解選擇不同分類器的影響。
|
|
|
|
|
|
## [課前小測驗](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
### 先決條件
|
|
|
|
|
|
假設您已完成之前的課程，並在本4堂課資料夾根目錄的 `data` 資料夾中有一個名為 _cleaned_cuisines.csv_ 的已清理數據集。
|
|
|
|
|
|
### 準備工作
|
|
|
|
|
|
我們已載入您的 _notebook.ipynb_ 檔案，並將清理後的數據集劃分為 X 和 y 資料框，準備進行模型建構。
|
|
|
|
|
|
## 一張分類地圖
|
|
|
|
|
|
之前，您學習了使用 Microsoft 的速查表對數據進行分類的各種選項。Scikit-learn 提供了類似但更細緻的速查表，能進一步協助您篩選估算器（另一種稱呼分類器）：
|
|
|
|
|
|
|
|
|
> 提示：[線上瀏覽此地圖](https://scikit-learn.org/stable/tutorial/machine_learning_map/) 並沿著路徑點擊以閱讀文件。
|
|
|
|
|
|
### 計劃
|
|
|
|
|
|
一旦您對數據有清晰的理解，這張地圖非常有用，因為您可沿著路徑作出決定：
|
|
|
|
|
|
- 我們有超過50個樣本
|
|
|
- 我們想預測一個類別
|
|
|
- 我們有標籤數據
|
|
|
- 我們的樣本少於10萬
|
|
|
- ✨ 我們可以選擇 Linear SVC
|
|
|
- 如果那不起作用，因為我們有數值數據
|
|
|
- 我們可以嘗試 ✨ KNeighbors 分類器
|
|
|
- 如果那也不行，試試 ✨ SVC 和 ✨ 集成分類器
|
|
|
|
|
|
這是一條非常實用的路徑。
|
|
|
|
|
|
## 練習 - 分割數據
|
|
|
|
|
|
沿著這條路徑開始，我們應該先導入一些所需的庫。
|
|
|
|
|
|
1. 導入必要的庫：
|
|
|
|
|
|
```python
|
|
|
from sklearn.neighbors import KNeighborsClassifier
|
|
|
from sklearn.linear_model import LogisticRegression
|
|
|
from sklearn.svm import SVC
|
|
|
from sklearn.ensemble import RandomForestClassifier, AdaBoostClassifier
|
|
|
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
|
|
|
import numpy as np
|
|
|
```
|
|
|
|
|
|
1. 分割訓練及測試數據：
|
|
|
|
|
|
```python
|
|
|
X_train, X_test, y_train, y_test = train_test_split(cuisines_features_df, cuisines_label_df, test_size=0.3)
|
|
|
```
|
|
|
|
|
|
## 線性 SVC 分類器
|
|
|
|
|
|
支持向量分類（SVC）是支持向量機器（SVM）機器學習技術家族的一員（稍後會進一步了解）。此方法允許選擇「核函數」來決定如何聚類標籤。「C」參數指的是「正則化」，用來調節參數的影響力。核函數可從[多個選項中選擇](https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html#sklearn.svm.SVC)；這裡我們設為「linear」以使用線性 SVC。預設的 probability 為 false，此處設為 true 以收集概率估計。我們將 random_state 設為 0 以便對數據進行隨機打亂獲得概率。
|
|
|
|
|
|
### 練習 - 應用線性 SVC
|
|
|
|
|
|
開始創建一個分類器陣列。隨著測試進行，逐步將更多分類器加入此陣列。
|
|
|
|
|
|
1. 從 Linear SVC 開始：
|
|
|
|
|
|
```python
|
|
|
C = 10
|
|
|
# 建立不同的分類器。
|
|
|
classifiers = {
|
|
|
'Linear SVC': SVC(kernel='linear', C=C, probability=True,random_state=0)
|
|
|
}
|
|
|
```
|
|
|
|
|
|
2. 使用 Linear SVC 來訓練模型並打印報告：
|
|
|
|
|
|
```python
|
|
|
n_classifiers = len(classifiers)
|
|
|
|
|
|
for index, (name, classifier) in enumerate(classifiers.items()):
|
|
|
classifier.fit(X_train, np.ravel(y_train))
|
|
|
|
|
|
y_pred = classifier.predict(X_test)
|
|
|
accuracy = accuracy_score(y_test, y_pred)
|
|
|
print("Accuracy (train) for %s: %0.1f%% " % (name, accuracy * 100))
|
|
|
print(classification_report(y_test,y_pred))
|
|
|
```
|
|
|
|
|
|
結果相當不錯：
|
|
|
|
|
|
```output
|
|
|
Accuracy (train) for Linear SVC: 78.6%
|
|
|
precision recall f1-score support
|
|
|
|
|
|
chinese 0.71 0.67 0.69 242
|
|
|
indian 0.88 0.86 0.87 234
|
|
|
japanese 0.79 0.74 0.76 254
|
|
|
korean 0.85 0.81 0.83 242
|
|
|
thai 0.71 0.86 0.78 227
|
|
|
|
|
|
accuracy 0.79 1199
|
|
|
macro avg 0.79 0.79 0.79 1199
|
|
|
weighted avg 0.79 0.79 0.79 1199
|
|
|
```
|
|
|
|
|
|
## K-Neighbors 分類器
|
|
|
|
|
|
K-Neighbors 是「鄰居」機器學習方法的成員，可用於監督式及非監督學習。此方法先創建指定數量的點，然後將數據聚集於這些點周圍，從而可以對數據做出泛化標籤的預測。
|
|
|
|
|
|
### 練習 - 應用 K-Neighbors 分類器
|
|
|
|
|
|
之前的分類器表現良好且與數據配合度高，但或許我們能獲得更好的準確率。試試 K-Neighbors 分類器。
|
|
|
|
|
|
1. 在分類器陣列中加一行（在 Linear SVC 項目後加逗號）：
|
|
|
|
|
|
```python
|
|
|
'KNN classifier': KNeighborsClassifier(C),
|
|
|
```
|
|
|
|
|
|
結果稍差一些：
|
|
|
|
|
|
```output
|
|
|
Accuracy (train) for KNN classifier: 73.8%
|
|
|
precision recall f1-score support
|
|
|
|
|
|
chinese 0.64 0.67 0.66 242
|
|
|
indian 0.86 0.78 0.82 234
|
|
|
japanese 0.66 0.83 0.74 254
|
|
|
korean 0.94 0.58 0.72 242
|
|
|
thai 0.71 0.82 0.76 227
|
|
|
|
|
|
accuracy 0.74 1199
|
|
|
macro avg 0.76 0.74 0.74 1199
|
|
|
weighted avg 0.76 0.74 0.74 1199
|
|
|
```
|
|
|
|
|
|
✅ 學習更多關於 [K-Neighbors](https://scikit-learn.org/stable/modules/neighbors.html#neighbors)
|
|
|
|
|
|
## 支持向量分類器
|
|
|
|
|
|
支持向量分類器是[支持向量機](https://wikipedia.org/wiki/Support-vector_machine)機器學習方法家族中的一員，用於分類和回歸任務。SVM「將訓練樣本映射到空間中的點」，使兩類別間距最大化。後續資料會被映射到這個空間以預測其類別。
|
|
|
|
|
|
### 練習 - 應用支持向量分類器
|
|
|
|
|
|
讓我們試試利用支持向量分類器取得稍好的準確率。
|
|
|
|
|
|
1. 在 K-Neighbors 項目後添加逗號，然後加入此行：
|
|
|
|
|
|
```python
|
|
|
'SVC': SVC(),
|
|
|
```
|
|
|
|
|
|
結果相當優異！
|
|
|
|
|
|
```output
|
|
|
Accuracy (train) for SVC: 83.2%
|
|
|
precision recall f1-score support
|
|
|
|
|
|
chinese 0.79 0.74 0.76 242
|
|
|
indian 0.88 0.90 0.89 234
|
|
|
japanese 0.87 0.81 0.84 254
|
|
|
korean 0.91 0.82 0.86 242
|
|
|
thai 0.74 0.90 0.81 227
|
|
|
|
|
|
accuracy 0.83 1199
|
|
|
macro avg 0.84 0.83 0.83 1199
|
|
|
weighted avg 0.84 0.83 0.83 1199
|
|
|
```
|
|
|
|
|
|
✅ 學習更多關於 [Support-Vectors](https://scikit-learn.org/stable/modules/svm.html#svm)
|
|
|
|
|
|
## 集成分類器
|
|
|
|
|
|
讓我們沿路徑走到最後，儘管前面的測試已經相當好。我們試試「集成分類器」，具體為隨機森林和 AdaBoost：
|
|
|
|
|
|
```python
|
|
|
'RFST': RandomForestClassifier(n_estimators=100),
|
|
|
'ADA': AdaBoostClassifier(n_estimators=100)
|
|
|
```
|
|
|
|
|
|
結果非常好，尤其是隨機森林：
|
|
|
|
|
|
```output
|
|
|
Accuracy (train) for RFST: 84.5%
|
|
|
precision recall f1-score support
|
|
|
|
|
|
chinese 0.80 0.77 0.78 242
|
|
|
indian 0.89 0.92 0.90 234
|
|
|
japanese 0.86 0.84 0.85 254
|
|
|
korean 0.88 0.83 0.85 242
|
|
|
thai 0.80 0.87 0.83 227
|
|
|
|
|
|
accuracy 0.84 1199
|
|
|
macro avg 0.85 0.85 0.84 1199
|
|
|
weighted avg 0.85 0.84 0.84 1199
|
|
|
|
|
|
Accuracy (train) for ADA: 72.4%
|
|
|
precision recall f1-score support
|
|
|
|
|
|
chinese 0.64 0.49 0.56 242
|
|
|
indian 0.91 0.83 0.87 234
|
|
|
japanese 0.68 0.69 0.69 254
|
|
|
korean 0.73 0.79 0.76 242
|
|
|
thai 0.67 0.83 0.74 227
|
|
|
|
|
|
accuracy 0.72 1199
|
|
|
macro avg 0.73 0.73 0.72 1199
|
|
|
weighted avg 0.73 0.72 0.72 1199
|
|
|
```
|
|
|
|
|
|
✅ 學習更多關於 [集成分類器](https://scikit-learn.org/stable/modules/ensemble.html)
|
|
|
|
|
|
這種機器學習方法「結合多個基學估算器的預測」，以提升模型品質。在本例中，我們使用隨機樹和 AdaBoost。
|
|
|
|
|
|
- [隨機森林](https://scikit-learn.org/stable/modules/ensemble.html#forest) 是一種平均方法，建立一個包含隨機元素的「決策樹森林」以避免過擬合。n_estimators 參數設定為樹的數量。
|
|
|
|
|
|
- [AdaBoost](https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html) 先擬合一個分類器到數據集，然後對同一數據集多次擬合該分類器複製本，著重於錯誤分類項的權重，調整下一個分類器的擬合以修正錯誤。
|
|
|
|
|
|
---
|
|
|
|
|
|
## 🚀挑戰
|
|
|
|
|
|
每種技術都有大量參數可以調整。研究各自的預設參數，並思考調整這些參數對模型品質會有什麼影響。
|
|
|
|
|
|
## [課後小測驗](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
## 複習與自學
|
|
|
|
|
|
這些課程用到許多術語，花點時間複習[這個詞彙清單](https://docs.microsoft.com/dotnet/machine-learning/resources/glossary?WT.mc_id=academic-77952-leestott)吧！
|
|
|
|
|
|
## 作業
|
|
|
|
|
|
[參數遊戲](assignment.md)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**免責聲明**：
|
|
|
本文件使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言版本的文件應視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或誤譯承擔責任。
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
