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

Classificatori di cucine 1

In questa lezione, utilizzerai il dataset che hai salvato dalla lezione precedente, pieno di dati bilanciati e puliti riguardanti le cucine.

Utilizzerai questo dataset con una varietà di classificatori per predire una cucina nazionale basandoti su un gruppo di ingredienti. Durante il processo, imparerai di più su alcuni dei modi in cui gli algoritmi possono essere utilizzati per compiti di classificazione.

Quiz pre-lezione

Preparazione

Supponendo che tu abbia completato Lezione 1, assicurati che un file cleaned_cuisines.csv esista nella cartella radice /data per queste quattro lezioni.

Esercizio - predire una cucina nazionale

1. Lavorando nella cartella notebook.ipynb di questa lezione, importa quel file insieme alla libreria Pandas:

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

   I dati appaiono così:

	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. Ora, importa diverse altre librerie:

   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. Dividi le coordinate X e y in due dataframe per l'addestramento. cuisine può essere il dataframe delle etichette:

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

   Apparirà così:

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

3. Elimina la colonna Unnamed: 0 e la colonna cuisine, utilizzando drop(). Salva il resto dei dati come caratteristiche addestrabili:

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

   Le tue caratteristiche appaiono così:

	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

Ora sei pronto per addestrare il tuo modello!

Scegliere il classificatore

Ora che i tuoi dati sono puliti e pronti per l'addestramento, devi decidere quale algoritmo utilizzare per il lavoro.

Scikit-learn raggruppa la classificazione sotto l'Apprendimento Supervisionato, e in quella categoria troverai molti modi per classificare. La varietà può sembrare piuttosto sconcertante a prima vista. I seguenti metodi includono tecniche di classificazione:

• Modelli Lineari
• Support Vector Machines
• Stochastic Gradient Descent
• Vicini più prossimi
• Processi Gaussiani
• Alberi decisionali
• Metodi Ensemble (voting Classifier)
• Algoritmi multiclass e multioutput (classificazione multiclass e multilabel, classificazione multiclass-multioutput)

Puoi anche utilizzare reti neurali per classificare i dati, ma ciò è al di fuori dell'ambito di questa lezione.

Quale classificatore scegliere?

Quindi, quale classificatore dovresti scegliere? Spesso, provare diversi e cercare un buon risultato è un modo per testare. Scikit-learn offre un confronto fianco a fianco su un dataset creato, confrontando KNeighbors, SVC in due modi, GaussianProcessClassifier, DecisionTreeClassifier, RandomForestClassifier, MLPClassifier, AdaBoostClassifier, GaussianNB e QuadraticDiscrinationAnalysis, mostrando i risultati visualizzati:

Grafici generati dalla documentazione di Scikit-learn

AutoML risolve questo problema in modo semplice eseguendo questi confronti nel cloud, permettendoti di scegliere il miglior algoritmo per i tuoi dati. Provalo qui

Un approccio migliore

Un modo migliore rispetto a indovinare casualmente, tuttavia, è seguire le idee presenti in questo ML Cheat sheet scaricabile. Qui scopriamo che, per il nostro problema multiclass, abbiamo alcune opzioni:

Una sezione del Cheat Sheet sugli Algoritmi di Microsoft, che dettaglia le opzioni di classificazione multiclass

✅ Scarica questo cheat sheet, stampalo e appendilo al muro!

Ragionamento

Vediamo se possiamo ragionare attraverso diversi approcci dati i vincoli che abbiamo:

• Le reti neurali sono troppo pesanti. Dato il nostro dataset pulito ma minimale, e il fatto che stiamo eseguendo l'addestramento localmente tramite notebook, le reti neurali sono troppo pesanti per questo compito.
• Nessun classificatore a due classi. Non utilizziamo un classificatore a due classi, quindi escludiamo one-vs-all.
• Un albero decisionale o una regressione logistica potrebbero funzionare. Un albero decisionale potrebbe funzionare, o una regressione logistica per dati multiclass.
• Gli alberi decisionali potenziati multiclass risolvono un problema diverso. L'albero decisionale potenziato multiclass è più adatto per compiti non parametrici, ad esempio compiti progettati per costruire classifiche, quindi non è utile per noi.

Utilizzare Scikit-learn

Utilizzeremo Scikit-learn per analizzare i nostri dati. Tuttavia, ci sono molti modi per utilizzare la regressione logistica in Scikit-learn. Dai un'occhiata ai parametri da passare.

Essenzialmente ci sono due parametri importanti - multi_class e solver - che dobbiamo specificare, quando chiediamo a Scikit-learn di eseguire una regressione logistica. Il valore multi_class applica un certo comportamento. Il valore del solver indica quale algoritmo utilizzare. Non tutti i solver possono essere abbinati a tutti i valori di multi_class.

Secondo la documentazione, nel caso multiclass, l'algoritmo di addestramento:

• Utilizza lo schema one-vs-rest (OvR), se l'opzione multi_class è impostata su ovr
• Utilizza la perdita di entropia incrociata, se l'opzione multi_class è impostata su multinomial. (Attualmente l'opzione multinomial è supportata solo dai solver ‘lbfgs’, ‘sag’, ‘saga’ e ‘newton-cg’.)"

🎓 Lo 'schema' qui può essere 'ovr' (one-vs-rest) o 'multinomial'. Poiché la regressione logistica è progettata principalmente per supportare la classificazione binaria, questi schemi le permettono di gestire meglio i compiti di classificazione multiclass. fonte

🎓 Il 'solver' è definito come "l'algoritmo da utilizzare nel problema di ottimizzazione". fonte.

Scikit-learn offre questa tabella per spiegare come i solver gestiscono le diverse sfide presentate da diverse strutture di dati:

Esercizio - dividere i dati

Possiamo concentrarci sulla regressione logistica per il nostro primo tentativo di addestramento, dato che hai recentemente imparato quest'ultima in una lezione precedente. Dividi i tuoi dati in gruppi di addestramento e test chiamando train_test_split():

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

Esercizio - applicare la regressione logistica

Poiché stai utilizzando il caso multiclass, devi scegliere quale schema utilizzare e quale solver impostare. Utilizza LogisticRegression con un'impostazione multiclass e il solver liblinear per l'addestramento.

1. Crea una regressione logistica con multi_class impostato su ovr e il solver impostato su 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))
   

   ✅ Prova un solver diverso come lbfgs, che spesso è impostato come predefinito

Nota, utilizza la funzione Pandas ravel per appiattire i tuoi dati quando necessario. L'accuratezza è buona, superiore al 80%!

1. Puoi vedere questo modello in azione testando una riga di dati (#50):

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

   Il risultato viene stampato:

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

   ✅ Prova un numero di riga diverso e verifica i risultati.

2. Approfondendo, puoi controllare l'accuratezza di questa previsione:

   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()
   

   Il risultato viene stampato - la cucina indiana è la sua ipotesi migliore, con buona probabilità:

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ Riesci a spiegare perché il modello è abbastanza sicuro che si tratti di una cucina indiana?

3. Ottieni maggiori dettagli stampando un report di classificazione, come hai fatto nelle lezioni sulla regressione:

   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

🚀Sfida

In questa lezione, hai utilizzato i tuoi dati puliti per costruire un modello di machine learning in grado di prevedere una cucina nazionale basandosi su una serie di ingredienti. Prenditi del tempo per leggere le numerose opzioni che Scikit-learn offre per classificare i dati. Approfondisci il concetto di 'solver' per capire cosa succede dietro le quinte.

Quiz post-lezione

Revisione & Studio Autonomo

Approfondisci un po' di più la matematica dietro la regressione logistica in questa lezione

Compito

Studia i solvers

---

Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un traduttore umano. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall'uso di questa traduzione.