ML-For-Beginners/translations/sr/4-Classification/1-Introduction/README.md

<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "aaf391d922bd6de5efba871d514c6d47",
  "translation_date": "2025-09-05T13:16:59+00:00",
  "source_file": "4-Classification/1-Introduction/README.md",
  "language_code": "sr"
}
-->
# Увод у класификацију

У овим четири лекције, истражићете основни аспект класичног машинског учења - _класификацију_. Проћи ћемо кроз употребу различитих алгоритама класификације са скупом података о свим сјајним кухињама Азије и Индије. Надамо се да сте гладни!

![само мало!](../../../../4-Classification/1-Introduction/images/pinch.png)

> Прославите паназијске кухиње у овим лекцијама! Слика: [Џен Лупер](https://twitter.com/jenlooper)

Класификација је облик [надгледаног учења](https://wikipedia.org/wiki/Supervised_learning) који има много заједничког са техникама регресије. Ако је машинско учење усмерено на предвиђање вредности или имена ствари користећи скупове података, онда класификација генерално спада у две групе: _бинарна класификација_ и _вишекласна класификација_.

[![Увод у класификацију](https://img.youtube.com/vi/eg8DJYwdMyg/0.jpg)](https://youtu.be/eg8DJYwdMyg "Увод у класификацију")

> 🎥 Кликните на слику изнад за видео: Џон Гуттаг са МИТ-а представља класификацију

Запамтите:

- **Линеарна регресија** вам је помогла да предвидите односе између променљивих и направите тачна предвиђања о томе где ће нова тачка података пасти у односу на ту линију. На пример, могли сте да предвидите _која ће цена бундеве бити у септембру у односу на децембар_.
- **Логистичка регресија** вам је помогла да откријете "бинарне категорије": на овом ценовном нивоу, _да ли је ова бундева наранџаста или није_?

Класификација користи различите алгоритме за одређивање других начина за утврђивање етикете или класе тачке података. Радимо са овим подацима о кухињама да бисмо видели да ли, посматрајући групу састојака, можемо утврдити њихово порекло.

## [Квиз пре предавања](https://ff-quizzes.netlify.app/en/ml/)

> ### [Ова лекција је доступна на R!](../../../../4-Classification/1-Introduction/solution/R/lesson_10.html)

### Увод

Класификација је једна од основних активности истраживача машинског учења и научника за податке. Од основне класификације бинарне вредности ("да ли је овај имејл спам или није?"), до сложене класификације слика и сегментације користећи компјутерски вид, увек је корисно бити у могућности да сортирате податке у класе и постављате питања о њима.

Научно речено, ваш метод класификације креира предиктивни модел који вам омогућава да мапирате однос између улазних променљивих и излазних променљивих.

![бинарна vs. вишекласна класификација](../../../../4-Classification/1-Introduction/images/binary-multiclass.png)

> Бинарни и вишекласни проблеми за алгоритме класификације. Инфографика: [Џен Лупер](https://twitter.com/jenlooper)

Пре него што започнемо процес чишћења наших података, њихове визуализације и припреме за задатке машинског учења, научимо мало о различитим начинима на које машинско учење може бити коришћено за класификацију података.

Изведена из [статистике](https://wikipedia.org/wiki/Statistical_classification), класификација користећи класично машинско учење користи карактеристике, као што су `пушач`, `тежина` и `године` да би утврдила _вероватноћу развоја X болести_. Као техника надгледаног учења слична вежбама регресије које сте раније радили, ваши подаци су означени, а алгоритми машинског учења користе те ознаке да класификују и предвиђају класе (или 'карактеристике') скупа података и додељују их групи или исходу.

✅ Замислите скуп података о кухињама. Шта би модел вишекласне класификације могао да одговори? Шта би модел бинарне класификације могао да одговори? Шта ако желите да утврдите да ли је одређена кухиња вероватно користила пискавицу? Шта ако желите да видите да ли, уз поклон торбе пуне звезданог аниса, артичока, карфиола и рена, можете направити типично индијско јело?

[![Луде мистериозне корпе](https://img.youtube.com/vi/GuTeDbaNoEU/0.jpg)](https://youtu.be/GuTeDbaNoEU "Луде мистериозне корпе")

> 🎥 Кликните на слику изнад за видео. Цела премиса емисије 'Chopped' је 'мистериозна корпа' где кувари морају да направе јело од насумичног избора састојака. Сигурно би модел машинског учења помогао!

## Здраво 'класификаторе'

Питање које желимо да поставимо о овом скупу података о кухињама је заправо **вишекласно питање**, јер имамо неколико потенцијалних националних кухиња са којима радимо. Узимајући групу састојака, којој од ових многих класа ће подаци припадати?

Scikit-learn нуди неколико различитих алгоритама за класификацију података, у зависности од врсте проблема који желите да решите. У наредне две лекције, научићете о неколико ових алгоритама.

## Вежба - очистите и избалансирајте своје податке

Први задатак, пре него што започнете овај пројекат, је да очистите и **избалансирате** своје податке како бисте добили боље резултате. Почните са празним _notebook.ipynb_ фајлом у корену овог директоријума.

Прва ствар коју треба инсталирати је [imblearn](https://imbalanced-learn.org/stable/). Ово је Scikit-learn пакет који ће вам омогућити боље балансирање података (о овом задатку ћете научити више за тренутак).

1. Да бисте инсталирали `imblearn`, покрените `pip install`, овако:

    ```python
    pip install imblearn
    ```

1. Увезите пакете који су вам потребни за увоз ваших података и њихову визуализацију, такође увезите `SMOTE` из `imblearn`.

    ```python
    import pandas as pd
    import matplotlib.pyplot as plt
    import matplotlib as mpl
    import numpy as np
    from imblearn.over_sampling import SMOTE
    ```

    Сада сте спремни да увезете податке.

1. Следећи задатак је да увезете податке:

    ```python
    df  = pd.read_csv('../data/cuisines.csv')
    ```

   Коришћење `read_csv()` ће прочитати садржај csv фајла _cusines.csv_ и поставити га у променљиву `df`.

1. Проверите облик података:

    ```python
    df.head()
    ```

   Првих пет редова изгледа овако:

    ```output
    |     | 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   | 65         | indian  | 0      | 0        | 0     | 0          | 0     | 0            | 0       | 0        | ... | 0       | 0           | 0          | 0                       | 0    | 0    | 0   | 0     | 0      | 0        |
    | 1   | 66         | indian  | 1      | 0        | 0     | 0          | 0     | 0            | 0       | 0        | ... | 0       | 0           | 0          | 0                       | 0    | 0    | 0   | 0     | 0      | 0        |
    | 2   | 67         | indian  | 0      | 0        | 0     | 0          | 0     | 0            | 0       | 0        | ... | 0       | 0           | 0          | 0                       | 0    | 0    | 0   | 0     | 0      | 0        |
    | 3   | 68         | indian  | 0      | 0        | 0     | 0          | 0     | 0            | 0       | 0        | ... | 0       | 0           | 0          | 0                       | 0    | 0    | 0   | 0     | 0      | 0        |
    | 4   | 69         | indian  | 0      | 0        | 0     | 0          | 0     | 0            | 0       | 0        | ... | 0       | 0           | 0          | 0                       | 0    | 0    | 0   | 0     | 1      | 0        |
    ```

1. Добијте информације о овим подацима позивајући `info()`:

    ```python
    df.info()
    ```

    Ваш излаз изгледа овако:

    ```output
    <class 'pandas.core.frame.DataFrame'>
    RangeIndex: 2448 entries, 0 to 2447
    Columns: 385 entries, Unnamed: 0 to zucchini
    dtypes: int64(384), object(1)
    memory usage: 7.2+ MB
    ```

## Вежба - учење о кухињама

Сада рад постаје занимљивији. Хајде да откријемо расподелу података по кухињама.

1. Прикажите податке као траке позивајући `barh()`:

    ```python
    df.cuisine.value_counts().plot.barh()
    ```

    ![расподела података о кухињама](../../../../4-Classification/1-Introduction/images/cuisine-dist.png)

    Постоји ограничен број кухиња, али расподела података је неравномерна. Можете то поправити! Пре него што то урадите, истражите мало више.

1. Сазнајте колико података је доступно по кухињи и испишите их:

    ```python
    thai_df = df[(df.cuisine == "thai")]
    japanese_df = df[(df.cuisine == "japanese")]
    chinese_df = df[(df.cuisine == "chinese")]
    indian_df = df[(df.cuisine == "indian")]
    korean_df = df[(df.cuisine == "korean")]
    
    print(f'thai df: {thai_df.shape}')
    print(f'japanese df: {japanese_df.shape}')
    print(f'chinese df: {chinese_df.shape}')
    print(f'indian df: {indian_df.shape}')
    print(f'korean df: {korean_df.shape}')
    ```

    излаз изгледа овако:

    ```output
    thai df: (289, 385)
    japanese df: (320, 385)
    chinese df: (442, 385)
    indian df: (598, 385)
    korean df: (799, 385)
    ```

## Откривање састојака

Сада можете дубље истражити податке и сазнати који су типични састојци по кухињи. Требало би да очистите поновљене податке који стварају конфузију између кухиња, па хајде да научимо о овом проблему.

1. Направите функцију `create_ingredient()` у Python-у за креирање dataframe-а састојака. Ова функција ће започети уклањањем некорисне колоне и сортирањем састојака по њиховом броју:

    ```python
    def create_ingredient_df(df):
        ingredient_df = df.T.drop(['cuisine','Unnamed: 0']).sum(axis=1).to_frame('value')
        ingredient_df = ingredient_df[(ingredient_df.T != 0).any()]
        ingredient_df = ingredient_df.sort_values(by='value', ascending=False,
        inplace=False)
        return ingredient_df
    ```

   Сада можете користити ту функцију да добијете идеју о десет најпопуларнијих састојака по кухињи.

1. Позовите `create_ingredient()` и прикажите резултате позивајући `barh()`:

    ```python
    thai_ingredient_df = create_ingredient_df(thai_df)
    thai_ingredient_df.head(10).plot.barh()
    ```

    ![тајландска](../../../../4-Classification/1-Introduction/images/thai.png)

1. Урадите исто за јапанске податке:

    ```python
    japanese_ingredient_df = create_ingredient_df(japanese_df)
    japanese_ingredient_df.head(10).plot.barh()
    ```

    ![јапанска](../../../../4-Classification/1-Introduction/images/japanese.png)

1. Сада за кинеске састојке:

    ```python
    chinese_ingredient_df = create_ingredient_df(chinese_df)
    chinese_ingredient_df.head(10).plot.barh()
    ```

    ![кинеска](../../../../4-Classification/1-Introduction/images/chinese.png)

1. Прикажите индијске састојке:

    ```python
    indian_ingredient_df = create_ingredient_df(indian_df)
    indian_ingredient_df.head(10).plot.barh()
    ```

    ![индијска](../../../../4-Classification/1-Introduction/images/indian.png)

1. На крају, прикажите корејске састојке:

    ```python
    korean_ingredient_df = create_ingredient_df(korean_df)
    korean_ingredient_df.head(10).plot.barh()
    ```

    ![корејска](../../../../4-Classification/1-Introduction/images/korean.png)

1. Сада уклоните најчешће састојке који стварају конфузију између различитих кухиња, позивајући `drop()`:

   Сви воле пиринач, бели лук и ђумбир!

    ```python
    feature_df= df.drop(['cuisine','Unnamed: 0','rice','garlic','ginger'], axis=1)
    labels_df = df.cuisine #.unique()
    feature_df.head()
    ```

## Балансирање скупа података

Сада када сте очистили податке, користите [SMOTE](https://imbalanced-learn.org/dev/references/generated/imblearn.over_sampling.SMOTE.html) - "Техника синтетичког прекомерног узорковања мањинских класа" - да их избалансирате.

1. Позовите `fit_resample()`, ова стратегија генерише нове узорке интерполацијом.

    ```python
    oversample = SMOTE()
    transformed_feature_df, transformed_label_df = oversample.fit_resample(feature_df, labels_df)
    ```

    Балансирањем ваших података, добићете боље резултате приликом класификације. Размислите о бинарној класификацији. Ако је већина ваших података једна класа, модел машинског учења ће чешће предвиђати ту класу, само зато што има више података за њу. Балансирање података уклања ову неравнотежу.

1. Сада можете проверити број ознака по састојку:

    ```python
    print(f'new label count: {transformed_label_df.value_counts()}')
    print(f'old label count: {df.cuisine.value_counts()}')
    ```

    Ваш излаз изгледа овако:

    ```output
    new label count: korean      799
    chinese     799
    indian      799
    japanese    799
    thai        799
    Name: cuisine, dtype: int64
    old label count: korean      799
    indian      598
    chinese     442
    japanese    320
    thai        289
    Name: cuisine, dtype: int64
    ```

    Подаци су лепи, чисти, избалансирани и веома укусни!

1. Последњи корак је да сачувате ваше избалансиране податке, укључујући ознаке и карактеристике, у нови dataframe који можете извозити у фајл:

    ```python
    transformed_df = pd.concat([transformed_label_df,transformed_feature_df],axis=1, join='outer')
    ```

1. Можете још једном погледати податке користећи `transformed_df.head()` и `transformed_df.info()`. Сачувајте копију ових података за употребу у будућим лекцијама:

    ```python
    transformed_df.head()
    transformed_df.info()
    transformed_df.to_csv("../data/cleaned_cuisines.csv")
    ```

    Овај свеж CSV сада се може наћи у коренском директоријуму података.

---

## 🚀Изазов

Овај курикулум садржи неколико занимљивих скупова података. Претражите директоријуме `data` и видите да ли неки садрже скупове података који би били погодни за бинарну или вишекласну класификацију? Која питања бисте поставили о овом скупу података?

## [Квиз после предавања](https://ff-quizzes.netlify.app/en/ml/)

## Преглед и самостално учење

Истражите SMOTE API. За које случајеве употребе је најбоље коришћен? Које проблеме решава?

## Задатак 

[Истражите методе класификације](assignment.md)

---

**Одрицање од одговорности**:  
Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције [Co-op Translator](https://github.com/Azure/co-op-translator). Иако настојимо да обезбедимо тачност, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални превод од стране људи. Не сносимо одговорност за било каква погрешна тумачења или неспоразуме који могу произаћи из коришћења овог превода.