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

Klasifikatori kuhinja 1

U ovoj lekciji koristit ćete skup podataka koji ste spremili iz prethodne lekcije, pun uravnoteženih i očišćenih podataka o kuhinjama.

Koristit ćete ovaj skup podataka s raznim klasifikatorima kako biste predvidjeli određenu nacionalnu kuhinju na temelju grupe sastojaka. Dok to radite, naučit ćete više o načinima na koje se algoritmi mogu koristiti za zadatke klasifikacije.

Kviz prije predavanja

Priprema

Pod pretpostavkom da ste završili Lekciju 1, provjerite postoji li datoteka cleaned_cuisines.csv u korijenskoj mapi /data za ove četiri lekcije.

Vježba - predviđanje nacionalne kuhinje

1. Radite u mapi notebook.ipynb ove lekcije i uvezite tu datoteku zajedno s Pandas bibliotekom:

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

   Podaci izgledaju ovako:

	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. Sada uvezite još nekoliko biblioteka:

   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. Podijelite X i y koordinate u dva dataframea za treniranje. cuisine može biti dataframe s oznakama:

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

   Izgledat će ovako:

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

3. Izbacite stupce Unnamed: 0 i cuisine koristeći drop(). Ostatak podataka spremite kao značajke za treniranje:

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

   Vaše značajke izgledaju ovako:

	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

Sada ste spremni za treniranje modela!

Odabir klasifikatora

Sada kada su vaši podaci očišćeni i spremni za treniranje, morate odlučiti koji algoritam koristiti za zadatak.

Scikit-learn grupira klasifikaciju pod Nadzirano učenje, a u toj kategoriji postoji mnogo načina za klasifikaciju. Raznolikost može na prvi pogled djelovati zbunjujuće. Sljedeće metode uključuju tehnike klasifikacije:

• Linearni modeli
• Strojevi za potporne vektore (SVM)
• Stohastički gradijentni spust
• Najbliži susjedi
• Gaussovi procesi
• Stabla odluke
• Metode ansambla (glasajući klasifikator)
• Višeklasni i višerezultatski algoritmi (višeklasna i višeznačna klasifikacija, višeklasna-višerezultatska klasifikacija)

Također možete koristiti neuronske mreže za klasifikaciju podataka, ali to je izvan opsega ove lekcije.

Koji klasifikator odabrati?

Dakle, koji klasifikator odabrati? Često je korisno isprobati nekoliko njih i tražiti dobar rezultat. Scikit-learn nudi usporedbu na stvorenom skupu podataka, uspoređujući KNeighbors, SVC na dva načina, GaussianProcessClassifier, DecisionTreeClassifier, RandomForestClassifier, MLPClassifier, AdaBoostClassifier, GaussianNB i QuadraticDiscriminationAnalysis, prikazujući rezultate vizualno:

Grafovi generirani u dokumentaciji Scikit-learn-a

AutoML rješava ovaj problem jednostavno pokretanjem ovih usporedbi u oblaku, omogućujući vam odabir najboljeg algoritma za vaše podatke. Isprobajte ovdje

Bolji pristup

Bolji način od nasumičnog pogađanja je slijediti ideje iz ovog preuzimljivog ML Cheat Sheeta. Ovdje otkrivamo da za naš višeklasni problem imamo nekoliko izbora:

Dio Microsoftovog Algorithm Cheat Sheeta, koji detaljno opisuje opcije za višeklasnu klasifikaciju

✅ Preuzmite ovaj cheat sheet, isprintajte ga i objesite na zid!

Razmišljanje

Pokušajmo razmotriti različite pristupe s obzirom na ograničenja koja imamo:

• Neuronske mreže su preteške. S obzirom na naš očišćeni, ali minimalni skup podataka i činjenicu da treniranje provodimo lokalno putem bilježnica, neuronske mreže su preteške za ovaj zadatak.
• Nema klasifikatora za dvije klase. Ne koristimo klasifikator za dvije klase, što isključuje one-vs-all.
• Stablo odluke ili logistička regresija mogli bi raditi. Stablo odluke moglo bi raditi, kao i logistička regresija za višeklasne podatke.
• Višeklasna Boosted Decision Trees rješava drugi problem. Višeklasno pojačano stablo odluke najprikladnije je za neparametarske zadatke, npr. zadatke dizajnirane za izradu rangiranja, pa nam nije korisno.

Korištenje Scikit-learn-a

Koristit ćemo Scikit-learn za analizu naših podataka. Međutim, postoji mnogo načina za korištenje logističke regresije u Scikit-learn-u. Pogledajte parametre za prosljeđivanje.

U osnovi, postoje dva važna parametra - multi_class i solver - koje trebamo specificirati kada tražimo od Scikit-learn-a da izvede logističku regresiju. Vrijednost multi_class primjenjuje određeno ponašanje. Vrijednost solvera određuje koji algoritam koristiti. Nisu svi solveri kompatibilni sa svim vrijednostima multi_class.

Prema dokumentaciji, u slučaju višeklasne klasifikacije, algoritam treniranja:

• Koristi shemu one-vs-rest (OvR), ako je opcija multi_class postavljena na ovr
• Koristi gubitak unakrsne entropije, ako je opcija multi_class postavljena na multinomial. (Trenutno opciju multinomial podržavaju samo solveri ‘lbfgs’, ‘sag’, ‘saga’ i ‘newton-cg’.)

🎓 'Shema' ovdje može biti 'ovr' (one-vs-rest) ili 'multinomial'. Budući da je logistička regresija zapravo dizajnirana za podršku binarnoj klasifikaciji, ove sheme omogućuju joj bolje rukovanje zadacima višeklasne klasifikacije. izvor

🎓 'Solver' je definiran kao "algoritam koji se koristi u problemu optimizacije". izvor.

Scikit-learn nudi ovu tablicu kako bi objasnio kako solveri rješavaju različite izazove koje predstavljaju različite vrste struktura podataka:

Vježba - podjela podataka

Možemo se usredotočiti na logističku regresiju za naš prvi pokušaj treniranja jer ste nedavno naučili o njoj u prethodnoj lekciji. Podijelite svoje podatke u grupe za treniranje i testiranje pozivom train_test_split():

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

Vježba - primjena logističke regresije

Budući da koristite slučaj višeklasne klasifikacije, trebate odabrati koju shemu koristiti i koji solver postaviti. Koristite LogisticRegression s višeklasnim postavkama i liblinear solverom za treniranje.

1. Kreirajte logističku regresiju s multi_class postavljenim na ovr i solverom postavljenim na 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))
   

   ✅ Isprobajte drugi solver poput lbfgs, koji je često postavljen kao zadani

Napomena, koristite Pandasovu funkciju ravel za izravnavanje podataka kada je to potrebno. Točnost je dobra, preko 80%!

1. Možete vidjeti ovaj model u akciji testiranjem jednog retka podataka (#50):

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

   Rezultat se ispisuje:

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

   ✅ Isprobajte drugi broj retka i provjerite rezultate.

2. Ako želite dublje istražiti, možete provjeriti točnost ove predikcije:

   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()
   

   Rezultat se ispisuje - Indijska kuhinja je najbolja pretpostavka, s dobrom vjerojatnošću:

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ Možete li objasniti zašto je model prilično siguran da se radi o indijskoj kuhinji?

3. Dobijte više detalja ispisivanjem izvještaja o klasifikaciji, kao što ste radili u lekcijama o regresiji:

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

   	preciznost	odziv	f1-rezultat	podrška
   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
   točnost	0.80	1199
   prosjek makro	0.80	0.80	0.80	1199
   prosjek tež.	0.80	0.80	0.80	1199

🚀Izazov

U ovoj lekciji koristili ste očišćene podatke za izradu modela strojnog učenja koji može predvidjeti nacionalnu kuhinju na temelju niza sastojaka. Odvojite malo vremena da proučite mnoge opcije koje Scikit-learn nudi za klasifikaciju podataka. Dublje istražite koncept 'solver' kako biste razumjeli što se događa iza kulisa.

Kviz nakon predavanja

Pregled i samostalno učenje

Dublje istražite matematiku iza logističke regresije u ovoj lekciji

Zadatak

Proučite solvere

---

Odricanje od odgovornosti:
Ovaj dokument je preveden korištenjem AI usluge za prevođenje Co-op Translator. Iako nastojimo osigurati točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati mjerodavnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane stručnjaka. Ne preuzimamo odgovornost za bilo kakva nesporazuma ili pogrešna tumačenja koja proizlaze iz korištenja ovog prijevoda.