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

Klasyfikatory kuchni 1

W tej lekcji wykorzystasz zbiór danych zapisany w poprzedniej lekcji, zawierający zrównoważone i oczyszczone dane dotyczące kuchni.

Użyjesz tego zbioru danych z różnymi klasyfikatorami, aby przewidzieć daną kuchnię narodową na podstawie grupy składników. Przy okazji dowiesz się więcej o sposobach, w jakie algorytmy mogą być wykorzystywane do zadań klasyfikacyjnych.

Quiz przed wykładem

Przygotowanie

Zakładając, że ukończyłeś Lekcję 1, upewnij się, że plik cleaned_cuisines.csv znajduje się w folderze /data w katalogu głównym dla tych czterech lekcji.

Ćwiczenie - przewidywanie kuchni narodowej

1. Pracując w folderze notebook.ipynb tej lekcji, zaimportuj ten plik wraz z biblioteką Pandas:

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

   Dane wyglądają następująco:

	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. Teraz zaimportuj kilka dodatkowych bibliotek:

   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. Podziel współrzędne X i y na dwa zbiory danych do trenowania. cuisine może być zbiorem etykiet:

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

   Wygląda to tak:

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

3. Usuń kolumny Unnamed: 0 i cuisine, korzystając z funkcji drop(). Zapisz resztę danych jako cechy do trenowania:

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

   Twoje cechy wyglądają tak:

	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

Teraz jesteś gotowy, aby trenować swój model!

Wybór klasyfikatora

Teraz, gdy dane są oczyszczone i gotowe do trenowania, musisz zdecydować, który algorytm zastosować.

Scikit-learn klasyfikuje klasyfikację jako część Uczenia Nadzorowanego, a w tej kategorii znajdziesz wiele metod klasyfikacji. Różnorodność może na początku wydawać się przytłaczająca. Oto niektóre z dostępnych metod:

• Modele liniowe
• Maszyny wektorów nośnych (SVM)
• Stochastyczny gradient prosty
• Najbliżsi sąsiedzi
• Procesy Gaussowskie
• Drzewa decyzyjne
• Metody zespołowe (klasyfikator głosujący)
• Algorytmy wieloklasowe i wielowyjściowe (klasyfikacja wieloklasowa i wieloetykietowa, klasyfikacja wieloklasowo-wielowyjściowa)

Możesz również użyć sieci neuronowych do klasyfikacji danych, ale to wykracza poza zakres tej lekcji.

Jaki klasyfikator wybrać?

Który klasyfikator wybrać? Często warto przetestować kilka z nich i sprawdzić, który daje najlepsze wyniki. Scikit-learn oferuje porównanie różnych klasyfikatorów na stworzonym zbiorze danych, takich jak KNeighbors, SVC w dwóch wariantach, GaussianProcessClassifier, DecisionTreeClassifier, RandomForestClassifier, MLPClassifier, AdaBoostClassifier, GaussianNB i QuadraticDiscriminationAnalysis, prezentując wyniki w formie wizualnej:

Wykresy wygenerowane na podstawie dokumentacji Scikit-learn

AutoML rozwiązuje ten problem w prosty sposób, przeprowadzając te porównania w chmurze, co pozwala wybrać najlepszy algorytm dla Twoich danych. Wypróbuj to tutaj

Lepsze podejście

Lepszym podejściem niż zgadywanie jest skorzystanie z tego ściągawki ML. Dowiadujemy się z niej, że dla naszego problemu wieloklasowego mamy kilka opcji:

Fragment ściągawki Microsoftu dotyczący opcji klasyfikacji wieloklasowej

✅ Pobierz tę ściągawkę, wydrukuj ją i powieś na ścianie!

Rozumowanie

Przeanalizujmy różne podejścia, biorąc pod uwagę nasze ograniczenia:

• Sieci neuronowe są zbyt ciężkie. Biorąc pod uwagę nasz oczyszczony, ale minimalny zbiór danych oraz fakt, że trenujemy lokalnie w notebookach, sieci neuronowe są zbyt wymagające dla tego zadania.
• Brak klasyfikatora dwuklasowego. Nie używamy klasyfikatora dwuklasowego, więc wykluczamy podejście one-vs-all.
• Drzewo decyzyjne lub regresja logistyczna mogą się sprawdzić. Drzewo decyzyjne lub regresja logistyczna dla danych wieloklasowych mogą być odpowiednie.
• Wieloklasowe wzmocnione drzewa decyzyjne rozwiązują inny problem. Wieloklasowe wzmocnione drzewa decyzyjne są najbardziej odpowiednie dla zadań nieparametrycznych, np. budowania rankingów, więc nie są dla nas użyteczne.

Korzystanie ze Scikit-learn

Będziemy korzystać ze Scikit-learn do analizy danych. Istnieje jednak wiele sposobów użycia regresji logistycznej w Scikit-learn. Spójrz na parametry do ustawienia.

Istnieją dwa kluczowe parametry - multi_class i solver - które musimy określić, prosząc Scikit-learn o przeprowadzenie regresji logistycznej. Wartość multi_class określa pewne zachowanie. Wartość solvera wskazuje, jakiego algorytmu użyć. Nie wszystkie solvery mogą być używane z każdą wartością multi_class.

Według dokumentacji, w przypadku wieloklasowym algorytm treningowy:

• Używa schematu one-vs-rest (OvR), jeśli opcja multi_class jest ustawiona na ovr
• Używa funkcji strat krzyżowej entropii, jeśli opcja multi_class jest ustawiona na multinomial. (Obecnie opcja multinomial jest obsługiwana tylko przez solvery ‘lbfgs’, ‘sag’, ‘saga’ i ‘newton-cg’.)

🎓 'Schemat' może być 'ovr' (one-vs-rest) lub 'multinomial'. Ponieważ regresja logistyczna jest zaprojektowana głównie do klasyfikacji binarnej, te schematy pozwalają jej lepiej obsługiwać zadania klasyfikacji wieloklasowej. źródło

🎓 'Solver' to "algorytm używany w problemie optymalizacji". źródło.

Scikit-learn oferuje tę tabelę, aby wyjaśnić, jak solvery radzą sobie z różnymi wyzwaniami wynikającymi z różnych struktur danych:

Ćwiczenie - podział danych

Skupimy się na regresji logistycznej jako pierwszej próbie trenowania, ponieważ niedawno nauczyłeś się o niej w poprzedniej lekcji. Podziel dane na grupy treningowe i testowe, korzystając z funkcji train_test_split():

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

Ćwiczenie - zastosowanie regresji logistycznej

Ponieważ używasz przypadku wieloklasowego, musisz wybrać, jaki schemat zastosować i jaki solver ustawić. Użyj LogisticRegression z ustawieniem multi_class na ovr i solverem liblinear, aby przeprowadzić trening.

1. Utwórz regresję logistyczną z multi_class ustawionym na ovr i solverem ustawionym 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))
   

   ✅ Wypróbuj inny solver, na przykład lbfgs, który często jest ustawiany jako domyślny

Uwaga, użyj funkcji Pandas ravel, aby spłaszczyć dane, gdy zajdzie taka potrzeba. Dokładność wynosi ponad 80%!

1. Możesz zobaczyć działanie tego modelu, testując jeden wiersz danych (#50):

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

   Wynik jest wyświetlany:

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

   ✅ Wypróbuj inny numer wiersza i sprawdź wyniki.

2. Zagłębiając się bardziej, możesz sprawdzić dokładność tej predykcji:

   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()
   

   Wynik jest wyświetlany - kuchnia indyjska to najlepsze przypuszczenie modelu, z dużym prawdopodobieństwem:

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ Czy potrafisz wyjaśnić, dlaczego model jest niemal pewien, że to kuchnia indyjska?

3. Uzyskaj więcej szczegółów, wyświetlając raport klasyfikacji, tak jak robiłeś to w lekcjach dotyczących regresji:

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

   	precyzja	recall	f1-score	wsparcie
   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
   dokładność	0.80	1199
   średnia makro	0.80	0.80	0.80	1199
   średnia ważona	0.80	0.80	0.80	1199

🚀Wyzwanie

W tej lekcji wykorzystałeś swoje oczyszczone dane, aby zbudować model uczenia maszynowego, który potrafi przewidzieć narodową kuchnię na podstawie serii składników. Poświęć trochę czasu na zapoznanie się z wieloma opcjami, jakie Scikit-learn oferuje do klasyfikacji danych. Zgłęb koncepcję 'solver', aby zrozumieć, co dzieje się za kulisami.

Quiz po wykładzie

Przegląd i samodzielna nauka

Zgłęb nieco bardziej matematykę stojącą za regresją logistyczną w tej lekcji

Zadanie

Przestudiuj solvery

---

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.