ML-For-Beginners/translations/sl/4-Classification/2-Classifiers-1

Razvrščevalniki kuhinj 1

V tej lekciji boste uporabili podatkovni niz, ki ste ga shranili v prejšnji lekciji, poln uravnoteženih in čistih podatkov o kuhinjah.

Ta podatkovni niz boste uporabili z različnimi razvrščevalniki, da napoveste določeno nacionalno kuhinjo na podlagi skupine sestavin. Med tem boste spoznali več o tem, kako lahko algoritme uporabimo za naloge razvrščanja.

Predlekcijski kviz

Priprava

Če ste zaključili Lekcijo 1, preverite, ali datoteka cleaned_cuisines.csv obstaja v korenskem imeniku /data za te štiri lekcije.

Vaja - napoved nacionalne kuhinje

1. V mapi notebook.ipynb te lekcije uvozite to datoteko skupaj s knjižnico Pandas:

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

   Podatki izgledajo takole:

	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. Zdaj uvozite še nekaj knjižnic:

   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. Razdelite koordinate X in y v dva podatkovna okvira za učenje. cuisine lahko uporabite kot podatkovni okvir z oznakami:

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

   Videti bo takole:

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

3. Odstranite stolpca Unnamed: 0 in cuisine z uporabo funkcije drop(). Preostale podatke shranite kot značilnosti za učenje:

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

   Vaše značilnosti izgledajo takole:

	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

Zdaj ste pripravljeni na učenje modela!

Izbira razvrščevalnika

Zdaj, ko so vaši podatki čisti in pripravljeni za učenje, morate izbrati algoritem za nalogo.

Scikit-learn razvršča razvrščanje pod Nadzorovano učenje, v tej kategoriji pa najdete veliko načinov za razvrščanje. Raznolikost je na prvi pogled precej osupljiva. Naslednje metode vključujejo tehnike razvrščanja:

• Linearni modeli
• Podporni vektorski stroji
• Stohastični gradientni spust
• Najbližji sosedje
• Gaussovi procesi
• Odločitvena drevesa
• Metode ansambla (glasovalni razvrščevalnik)
• Večrazredni in večizhodni algoritmi (večrazredna in večoznačna razvrstitev, večrazredna-večizhodna razvrstitev)

Za razvrščanje podatkov lahko uporabite tudi nevronske mreže, vendar to presega obseg te lekcije.

Kateri razvrščevalnik izbrati?

Torej, kateri razvrščevalnik izbrati? Pogosto je smiselno preizkusiti več razvrščevalnikov in iskati najboljši rezultat. Scikit-learn ponuja primerjavo na ustvarjenem podatkovnem nizu, kjer primerja KNeighbors, SVC na dva načina, GaussianProcessClassifier, DecisionTreeClassifier, RandomForestClassifier, MLPClassifier, AdaBoostClassifier, GaussianNB in QuadraticDiscriminationAnalysis, pri čemer so rezultati vizualizirani:

Grafi, ustvarjeni v dokumentaciji Scikit-learn

AutoML to težavo elegantno reši tako, da te primerjave izvaja v oblaku, kar vam omogoča izbiro najboljšega algoritma za vaše podatke. Preizkusite ga tukaj

Boljši pristop

Boljši način kot naključno ugibanje je, da sledite idejam na tem prenosljivem ML plonk listu. Tukaj ugotovimo, da imamo za našo večrazredno težavo nekaj možnosti:

Del Microsoftovega plonk lista algoritmov, ki podrobno opisuje možnosti za večrazredno razvrščanje

✅ Prenesite ta plonk list, natisnite ga in obesite na steno!

Razmišljanje

Poglejmo, ali lahko z razmišljanjem izberemo različne pristope glede na omejitve, ki jih imamo:

• Nevronske mreže so pretežke. Glede na naš čist, a minimalen podatkovni niz in dejstvo, da izvajamo učenje lokalno prek beležk, so nevronske mreže pretežke za to nalogo.
• Ni razvrščevalnika za dva razreda. Ne uporabljamo razvrščevalnika za dva razreda, zato izključimo one-vs-all.
• Odločitveno drevo ali logistična regresija bi lahko delovala. Odločitveno drevo bi lahko delovalo, prav tako logistična regresija za večrazredne podatke.
• Večrazredna izboljšana odločitvena drevesa rešujejo drugačen problem. Večrazredna izboljšana odločitvena drevesa so najbolj primerna za neparametrične naloge, npr. naloge za ustvarjanje razvrstitev, zato za nas niso uporabna.

Uporaba Scikit-learn

Za analizo podatkov bomo uporabili Scikit-learn. Vendar pa obstaja veliko načinov za uporabo logistične regresije v Scikit-learn. Oglejte si parametre za nastavitev.

V bistvu sta dva pomembna parametra - multi_class in solver - ki ju moramo določiti, ko Scikit-learn prosimo za izvedbo logistične regresije. Vrednost multi_class določa določeno vedenje. Vrednost solver določa, kateri algoritem uporabiti. Vsi reševalci ne morejo biti združeni z vsemi vrednostmi multi_class.

Po dokumentaciji, v primeru večrazredne naloge, algoritem za učenje:

• Uporablja shemo one-vs-rest (OvR), če je možnost multi_class nastavljena na ovr
• Uporablja izgubo navzkrižne entropije, če je možnost multi_class nastavljena na multinomial. (Trenutno možnost multinomial podpirajo samo reševalci ‘lbfgs’, ‘sag’, ‘saga’ in ‘newton-cg’.)

🎓 'Shema' tukaj je lahko 'ovr' (one-vs-rest) ali 'multinomial'. Ker je logistična regresija zasnovana za podporo binarni razvrstitvi, ji te sheme omogočajo boljše obravnavanje večrazrednih nalog razvrščanja. vir

🎓 'Solver' je definiran kot "algoritem za uporabo pri optimizacijskem problemu". vir.

Scikit-learn ponuja to tabelo za razlago, kako reševalci obravnavajo različne izzive, ki jih predstavljajo različne vrste podatkovnih struktur:

Vaja - razdelitev podatkov

Osredotočimo se na logistično regresijo za naš prvi poskus učenja, saj ste se o njej nedavno učili v prejšnji lekciji. Razdelite svoje podatke v skupine za učenje in testiranje z uporabo funkcije train_test_split():

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

Vaja - uporaba logistične regresije

Ker uporabljate večrazredno nalogo, morate izbrati, katero shemo uporabiti in kateri reševalec nastaviti. Uporabite LogisticRegression z večrazredno nastavitvijo in reševalcem liblinear za učenje.

1. Ustvarite logistično regresijo z multi_class nastavljeno na ovr in reševalcem nastavljenim 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))
   

   ✅ Preizkusite drugega reševalca, kot je lbfgs, ki je pogosto nastavljen kot privzet.

Upoštevajte, uporabite funkcijo Pandas ravel za sploščitev vaših podatkov, kadar je to potrebno. Natančnost je dobra pri več kot 80%!

1. Ta model lahko preizkusite z eno vrstico podatkov (#50):

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

   Rezultat se izpiše:

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

   ✅ Poskusite z drugo številko vrstice in preverite rezultate.

2. Če želite podrobneje raziskati, lahko preverite natančnost te napovedi:

   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 izpiše - indijska kuhinja je najboljša ugotovitev z dobro verjetnostjo:

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ Ali lahko razložite, zakaj je model precej prepričan, da gre za indijsko kuhinjo?

3. Pridobite več podrobnosti z izpisom poročila o klasifikaciji, kot ste to storili pri lekcijah o regresiji:

   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

🚀Izziv

V tej lekciji ste uporabili očiščene podatke za izdelavo modela strojnega učenja, ki lahko napove nacionalno kuhinjo na podlagi serije sestavin. Vzemite si čas in preberite številne možnosti, ki jih Scikit-learn ponuja za klasifikacijo podatkov. Podrobneje raziščite koncept 'solverja', da boste razumeli, kaj se dogaja v ozadju.

Kvizi po predavanju

Pregled & Samostojno učenje

Podrobneje raziščite matematiko za logistično regresijo v tej lekciji

Naloga

Preučite solverje

---

Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za strojno prevajanje Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo strokovno človeško prevajanje. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki izhajajo iz uporabe tega prevoda.