微信号:importnew

介绍:伯乐在线旗下账号,专注Java技术分享,包括Java基础技术、进阶技能、架构设计和Java技术领域动态等.

机器学习模型,能分清川菜和湘菜吗?

2018-08-02 12:15 Udacity

一个地区的文化和当地的特色食物总是分不开关系,可以说小到村庄,大到国家,每个地方都有自己的“味道”。



如果你在加利福尼亚州北部,那么你将品尝到各种蔬菜,有深紫色的羽衣甘蓝,还有明亮的粉红色和黄色的甜菜。在韩国,诱人的红色泡菜将会迎接你,而大海的气味会吸引你注意附近蠕动的鱿鱼。印度的市场也许是最丰富多彩的,明亮的色调和几十种香料的香气:姜黄,八角茴香……


作为一名合格的“吃货”,看到“米、海苔、三文鱼”就想到日本寿司,看到“鸡蛋、火腿、面包、沙拉酱”就想到三明治……通过食材预测菜系,用 python 就可以做到!



可以用机器学习的方法搭建、训练和测试模型,并通过评估矩阵来选择最优模型,实现原材料与菜系的映射。为了实现预期的功能,我们需要进行以下三个步骤。


1. 加载并分析数据

2. 建立模型

3. 模型预测


加载并分析数据

以意大利菜系为例,我们准备好以下格式的样例数据。其中“id”代表不同的菜肴种类,“cuisine”则代表菜系名称。



拿到数据后,首先对数据进行提取,其中配方节点如下。其中包含了食谱 id,菜肴类型和成分列表的训练集。



之后将 features 与 target 分别赋值到 train_ingredients 和 train_targets。通过统计分析等操作,可以计算出使用最频繁的前 10 种原料,并将原料名和出现次数赋值到 sum_ingredients 字典中。通过样例数据,还能计算出意大利菜系中使用最频繁的前 10 种原料,并将原料名和出现次数赋值到 italian_ingredients 字典中。


得到的结果可以通过 matplotlib 进行可视化。通过数据分析,可以得出许多有意思的信息,比如,巴西菜用的最多的食材有洋葱、橄榄油、柠檬等。而在中国,柠檬显然不是家常饭的常客。我们用的最多的食材有酱、芝麻油、玉米淀粉等。小编猜测,老干妈一定对中国排名第一的食材有巨大贡献!


日本比较有特色的清酒和酱油也都榜上有名。



而在寒冷的俄罗斯,黄油则成为餐桌上必不可少的食材,成为战斗民族每天所需能量的重要来源。英国更不必多说,如果你热爱黄油、奶油、土豆和牛奶,去英国就是了!


建立模型

建立模型的过程可能稍微有点复杂,主要分以下四步进行:


1、单词清洗

2、特征提取(使用TF_IDF)

3、数据分割与重排


调用 train_test_split 函数将训练集划分为新的训练集和验证集。


4、训练模型

在训练模型的过程中,需要尝试不同的参数,挑选出泛化力最好的模型。通过训练模型,可以计算得出验证集上的得分。得分越高,说明分类准确度(正确分类的菜肴百分比)越高。这样,一个优秀的模型就大功告成啦!


模型预测

在测试文件 test.json 中,配方的格式与 train.json 相同,只删除了美食类型,因为它是我们要预测的目标变量。


总的来说,要实现通过食材预测菜系的过程并不复杂,但是如何完善代码、优化模型,使分类体系和匹配程度更高,才是我们要完成的关键目标。如果不能做到数据的有效清洗和分类,就会出现很多法国菜被误分为意大利菜这样的情况。


至于能不能分清川菜和湘菜……自己来试一试吧!这个项目其实来自优达学城 Udacity 的「机器学习工程师」纳米学位。

(该项目现提供超值限量试学班,详情见文末)


优达学城 Udacity 由 Google 无人车之父 Sebastion Thrun 创立,与 Google、Facebook、亚马逊等名企联合打造了一系列前沿技术课程,旨在让每个人都能用远低于线下教育的成本学习硅谷前沿技术,最终成为有能力通过技术改变世界的抢手人才。2017 年 8 月,腾讯宣布将 Udacity 纳米学位项目作为内部员工学习内容。


与国内其他平台相比,Udacity 的一大优势是来自硅谷的独家特色实战项目。仅靠看视频或者啃厚厚的教材很难零基础入门人工智能领域。学习者也很难在动辄几十 G+ 的免费视频教程中,高效快速地筛选出真正有用的东西。优达学城(Udacity)的项目难度深入浅出,能够让学习者快速将所学运用到实际生活,也能够直观的看到学习成果。下面的部分项目成果示例来自「机器学习工程师」和「深度学习」纳米学位的正式课程:


项目示例 1 训练机器人走迷宫

在这个项目中,你会需要实现一个 Q-learning算法来解决走迷宫问题。同时你有机会将你的算法应用在股市中,让机器学习出高收益策略。

(来自「机器学习」纳米学位)

项目示例 2 猫狗图像识别

使用深度学习方法识别图片中是猫还是狗。

(来自「机器学习」纳米学位毕业项目)


实战项目示例 3 训练四轴飞行器学会飞行

设计一个深度强化学习系统,来控制四轴飞行器的一系列飞行项目,包括起飞、盘旋和降落等。你将通过构建你自己的惩罚函数、强化学习模型、深度学习隐藏层来帮助你的四轴飞行器了解他的每一个动作的优劣。你的四轴飞行器将从一系列动作状态中,选择最优的策略来平稳起飞和降落。

(来自「深度学习」纳米学位项目)


实战项目示例 3 风格迁移

深度学习模型可以用来完成「风格迁移」项目,你可以按照著名的画作重新创建风格一样的图片!神经网络会学习这些画作采用的技巧,并学会如何自己应用这些绘画技巧。

(来自「深度学习」练习项目)


除此之外,你将跟随来自硅谷的行业专家系统学习,深入掌握人工智能领域知识。实战项目经验均可写入简历,为求职面试加分!


Udacity 还特别开启【7 天超值试学班】,为保证辅导质量,试学名额有限,今天开始抢完为止。本期试学班能够提前体验的项目有:


猜猜这道菜来自哪里” 使用分类模型通过原料的不同组合预测所属的世界菜系。

来自「机器学习工程师」7天试学班


“你拍我猜” 利用神经网络来分类照片中是狗狗,是猫猫,还是人。

来自「深度学习」7天试学班


文末关注 Udacity 官方服务号,即可自动获得两门课程完整大纲,还能获得限量的超值试学入口。


如果你也在寻求转行机会,或渴望突破薪资天花板,抓住人工智能人才红利,但又不确定自己是否真的适合、能不能学完,建议加入 7 天试学,让专业导师手把手带你完成项目!

长按识别二维码

了解试学班


Udacity 【机器学习工程师】与【深度学习】纳米学位试学班开放限量体验席位,报满即止。关注 Udacity 官方服务号,即可自动获得完整课程大纲,以及限量试学入口,先抢先得。



点击阅读原文,添加学习规划师,获得「选课指南」一份,了解适合自己的课程

 
ImportNew 更多文章 深入理解单例模式 ( 上 ) JVM 面试题 使用 SpringAOP 获取一次请求流经方法的调用次数和调用耗时 深入 Spring Boot :编写兼容 Spring Boot 1 OpenJDK 里的 AsmTools 简介
猜您喜欢 超级账本 Fabric 新特性之细粒度隐私保护 土澳的鸟学会纵火了!这鸟是不是要成精了? 山的那一边(写给为梦想而奋斗的程序员们) 用户隐私早沦陷了 Docker:给云计算插上奔腾的芯