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

美食分類器 1

在本課中，您將使用上一課保存的數據集，這是一個關於美食的平衡且乾淨的數據集。

您將使用這個數據集與多種分類器來_根據一組食材預測特定的國家美食_。在此過程中，您將學習更多關於如何利用算法進行分類任務的方法。

課前測驗

準備工作

假設您已完成第 1 課，請確保在根目錄的 /data 資料夾中存在一個 cleaned_cuisines.csv 文件，供這四節課使用。

練習 - 預測國家美食

1. 在本課的 notebook.ipynb 資料夾中，導入該文件以及 Pandas 庫：

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

   數據看起來如下：

	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. 現在，導入更多的庫：

   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. 將 X 和 y 坐標分成兩個數據框進行訓練。cuisine 可以作為標籤數據框：

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

   它看起來像這樣：

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

3. 使用 drop() 刪除 Unnamed: 0 列和 cuisine 列。將其餘數據保存為可訓練的特徵：

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

   您的特徵看起來如下：

	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

現在您已準備好訓練您的模型！

選擇分類器

現在數據已經清理並準備好訓練，您需要決定使用哪種算法來完成任務。

Scikit-learn 將分類歸類為監督學習的一部分，在這個類別中，您會發現許多分類方法。這些方法乍看之下可能令人眼花繚亂。以下方法都包含分類技術：

• 線性模型
• 支持向量機
• 隨機梯度下降
• 最近鄰
• 高斯過程
• 決策樹
• 集成方法（投票分類器）
• 多類和多輸出算法（多類和多標籤分類，多類-多輸出分類）

您也可以使用神經網絡進行分類，但這超出了本課的範圍。

選擇哪種分類器？

那麼，應該選擇哪種分類器呢？通常，嘗試多種分類器並尋找最佳結果是一種測試方法。Scikit-learn 提供了一個並排比較，在一個創建的數據集上比較了 KNeighbors、SVC（兩種方式）、GaussianProcessClassifier、DecisionTreeClassifier、RandomForestClassifier、MLPClassifier、AdaBoostClassifier、GaussianNB 和 QuadraticDiscrinationAnalysis，並以可視化方式展示結果：

圖片來自 Scikit-learn 的文檔

AutoML 可以輕鬆解決這個問題，通過在雲端運行這些比較，幫助您選擇最適合您數據的算法。試試看：這裡

更好的方法

比盲目猜測更好的方法是參考這份可下載的機器學習備忘單。在這裡，我們發現針對我們的多類問題，有一些選擇：

微軟算法備忘單的一部分，詳細說明了多類分類選項

✅ 下載這份備忘單，打印出來，掛在牆上！

推理

讓我們根據我們的限制來推理不同的方法：

• 神經網絡過於繁重。考慮到我們的數據集雖然乾淨但規模較小，並且我們通過筆記本本地運行訓練，神經網絡對於這個任務來說過於繁重。
• 不使用二類分類器。我們不使用二類分類器，因此排除了 one-vs-all。
• 決策樹或邏輯回歸可能有效。決策樹可能有效，或者多類數據的邏輯回歸也可以。
• 多類增強決策樹解決不同問題。多類增強決策樹最適合非參數任務，例如設計用於建立排名的任務，因此對我們來說並不適用。

使用 Scikit-learn

我們將使用 Scikit-learn 來分析數據。然而，在 Scikit-learn 中有多種方式可以使用邏輯回歸。查看可傳遞的參數。

基本上有兩個重要的參數 - multi_class 和 solver - 需要我們指定，當我們要求 Scikit-learn 執行邏輯回歸時。multi_class 值應用於某種行為。solver 的值則是使用的算法。並非所有的 solver 都可以與所有的 multi_class 值配對。

根據文檔，在多類情況下，訓練算法：

• 使用 one-vs-rest (OvR) 方案，如果 multi_class 選項設置為 ovr
• 使用交叉熵損失，如果 multi_class 選項設置為 multinomial。（目前 multinomial 選項僅支持 ‘lbfgs’、‘sag’、‘saga’ 和 ‘newton-cg’ 解算器。）

🎓 這裡的 "方案" 可以是 'ovr'（one-vs-rest）或 'multinomial'。由於邏輯回歸實際上是為支持二元分類而設計的，這些方案使其能更好地處理多類分類任務。來源

🎓 "解算器" 被定義為 "用於優化問題的算法"。來源。

Scikit-learn 提供了這張表格來解釋解算器如何處理不同數據結構帶來的挑戰：

練習 - 分割數據

我們可以專注於邏輯回歸作為我們的第一次訓練嘗試，因為您在上一課中剛學過它。 通過調用 train_test_split() 將數據分為訓練組和測試組：

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

練習 - 應用邏輯回歸

由於您使用的是多類情況，您需要選擇使用哪種_方案_以及設置哪種_解算器_。使用 LogisticRegression，將 multi_class 設置為 ovr，解算器設置為 liblinear 進行訓練。

1. 創建一個邏輯回歸，將 multi_class 設置為 ovr，解算器設置為 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))
   

   ✅ 嘗試使用其他解算器，例如 lbfgs，它通常是默認設置

注意，當需要將資料展平時，可以使用 Pandas ravel 函數。 準確率超過 80%！

1. 您可以通過測試第 50 行數據來查看此模型的運行效果：

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

   結果如下：

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

   ✅ 嘗試不同的行號並檢查結果

2. 更深入地分析，您可以檢查此預測的準確性：

   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()
   

   結果如下 - 印度料理是模型的最佳猜測，且概率相當高：

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ 您能解釋為什麼模型非常確定這是印度料理嗎？

3. 通過打印分類報告獲取更多細節，就像您在回歸課程中所做的一樣：

   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

🚀挑戰

在本課中，您使用清理過的數據構建了一個機器學習模型，可以根據一系列食材預測國家料理。花些時間閱讀 Scikit-learn 提供的多種分類數據選項。深入了解 "solver" 的概念，以理解其背後的運作原理。

課後測驗

回顧與自學

深入了解邏輯回歸背後的數學原理：這篇課程

作業

研究 solvers

---

免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。