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

美食分类器 1

在本课中，您将使用上一课保存的数据集，该数据集包含关于美食的平衡且干净的数据。

您将使用这个数据集和多种分类器来_根据一组食材预测某种国家美食_。在此过程中，您将进一步了解算法如何用于分类任务。

课前测验

准备工作

假设您已完成第1课，请确保在根目录的/data文件夹中存在一个名为_cleaned_cuisines.csv_的文件，以供这四节课使用。

练习 - 预测国家美食

1. 在本课的_notebook.ipynb_文件夹中，导入该文件以及Pandas库：

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

   数据看起来如下：

	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. 现在，导入更多的库：

   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. 将X和y坐标分成两个数据框用于训练。cuisine可以作为标签数据框：

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

   它看起来如下：

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

3. 使用drop()方法删除Unnamed: 0列和cuisine列，并将剩余的数据保存为可训练的特征：

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

   您的特征看起来如下：

	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

现在您可以开始训练模型了！

选择分类器

现在数据已经清理完毕并准备好训练，您需要决定使用哪种算法来完成任务。

Scikit-learn将分类归类为监督学习，在这一类别中，您会发现许多分类方法。种类繁多，初看可能会让人眼花缭乱。以下方法都包含分类技术：

• 线性模型
• 支持向量机
• 随机梯度下降
• 最近邻
• 高斯过程
• 决策树
• 集成方法（投票分类器）
• 多分类和多输出算法（多分类和多标签分类，多分类-多输出分类）

您也可以使用神经网络进行数据分类，但这超出了本课的范围。

选择哪个分类器？

那么，应该选择哪个分类器呢？通常，可以尝试多个分类器并寻找效果较好的结果。Scikit-learn提供了一个并排比较，在一个创建的数据集上比较了KNeighbors、SVC两种方式、GaussianProcessClassifier、DecisionTreeClassifier、RandomForestClassifier、MLPClassifier、AdaBoostClassifier、GaussianNB和QuadraticDiscrinationAnalysis，并以可视化方式展示结果：

图表来自Scikit-learn文档

AutoML可以通过在云端运行这些比较来轻松解决这个问题，帮助您选择最适合数据的算法。试试这里

更好的方法

比盲目猜测更好的方法是参考这个可下载的机器学习备忘单。在这里，我们发现对于我们的多分类问题，有一些选择：

微软算法备忘单的一部分，详细说明了多分类选项

✅ 下载这个备忘单，打印出来，挂在墙上！

推理

让我们看看是否可以根据现有约束推理出不同的解决方法：

• 神经网络过于复杂。考虑到我们的数据集虽然干净但规模较小，并且我们通过本地笔记本运行训练，神经网络对于这个任务来说过于复杂。
• 不使用二分类器。我们不使用二分类器，因此排除了一对多（one-vs-all）。
• 决策树或逻辑回归可能有效。决策树可能有效，或者逻辑回归适用于多分类数据。
• 多分类增强决策树解决不同问题。多分类增强决策树最适合非参数任务，例如设计排名任务，因此对我们来说没有用。

使用Scikit-learn

我们将使用Scikit-learn来分析数据。然而，在Scikit-learn中有许多方法可以使用逻辑回归。查看可传递的参数。

基本上有两个重要参数——multi_class和solver——需要指定，当我们要求Scikit-learn执行逻辑回归时。multi_class值应用某种行为。solver值决定使用哪种算法。并非所有的solver都可以与所有的multi_class值配对。

根据文档，在多分类情况下，训练算法：

• 使用一对多（OvR）方案，如果multi_class选项设置为ovr
• 使用交叉熵损失，如果multi_class选项设置为multinomial。（目前multinomial选项仅支持‘lbfgs’、‘sag’、‘saga’和‘newton-cg’求解器。）

🎓 这里的“方案”可以是“ovr”（一对多）或“multinomial”。由于逻辑回归实际上是为支持二分类设计的，这些方案使其能够更好地处理多分类任务。来源

🎓 “求解器”定义为“用于优化问题的算法”。来源。

Scikit-learn提供了这个表格来解释求解器如何处理不同数据结构带来的挑战：

练习 - 划分数据

我们可以专注于逻辑回归作为我们的第一次训练尝试，因为您在上一课中刚刚学习了它。 通过调用train_test_split()将数据划分为训练组和测试组：

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

练习 - 应用逻辑回归

由于您使用的是多分类情况，您需要选择使用什么_方案_以及设置什么_求解器_。使用LogisticRegression并设置多分类选项和liblinear求解器进行训练。

1. 创建一个逻辑回归，multi_class设置为ovr，solver设置为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))
   

   ✅ 尝试使用其他求解器，例如默认设置的lbfgs

注意，在需要时可以使用 Pandas ravel 函数来展平数据。 准确率超过 80%！

1. 你可以通过测试一行数据（#50）来查看此模型的实际效果：

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

   结果打印如下：

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

   ✅ 尝试不同的行号并检查结果

2. 更深入地分析，你可以检查此预测的准确性：

   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()
   

   结果打印如下 - 印度菜是模型的最佳猜测，且概率较高：

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ 你能解释为什么模型非常确定这是印度菜吗？

3. 通过打印分类报告获取更多细节，就像你在回归课程中所做的一样：

   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

🚀挑战

在本课中，你使用清理后的数据构建了一个机器学习模型，可以根据一系列食材预测国家菜系。花点时间阅读 Scikit-learn 提供的多种分类数据选项。深入了解“solver”的概念，理解其背后的工作原理。

课后测验

复习与自学

深入学习逻辑回归背后的数学原理：这篇课件

作业

研究 solvers

---

免责声明：
本文档使用AI翻译服务 Co-op Translator 进行翻译。虽然我们尽力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于重要信息，建议使用专业人工翻译。我们不对因使用此翻译而产生的任何误解或误读承担责任。