知識星球一個地區的文化和當地的特色食物總是分不開關係，可以說小到村莊，大到國家，每個地方都有自己的“味道”。
如果你在加利福尼亞州北部，那麼你將品嘗到各種蔬菜，有深紫色的羽衣甘藍，還有明亮的粉紅色和黃色的甜菜。在韓國，誘人的紅色泡菜將會迎接你，而大海的氣味會吸引你註意附近蠕動的魷魚。印度的市場也許是最豐富多彩的，明亮的色調和幾十種香料的香氣：薑黃，八角茴香……
作為一名合格的“吃貨”，看到“米、海苔、三文魚”就想到日本壽司，看到“雞蛋、火腿、麵包、沙拉醬”就想到三明治……透過食材預測菜系，用 python 就可以做到！
可以用機器學習的方法搭建、訓練和測試模型，並透過評估矩陣來選擇最優模型，實現原材料與菜系的對映。為了實現預期的功能，我們需要進行以下三個步驟。
1. 載入並分析資料
2. 建立模型
3. 模型預測
載入並分析資料
以義大利菜係為例，我們準備好以下格式的樣例資料。其中“id”代表不同的菜餚種類，“cuisine”則代表菜系名稱。
拿到資料後，首先對資料進行提取，其中配方節點如下。其中包含了食譜 id，菜餚型別和成分串列的訓練集。
之後將 features 與 target 分別賦值到 train_ingredients 和 train_targets。透過統計分析等操作，可以計算出使用最頻繁的前 10 種原料，並將原料名和出現次數賦值到 sum_ingredients 字典中。透過樣例資料，還能計算出義大利菜系中使用最頻繁的前 10 種原料，並將原料名和出現次數賦值到 italian_ingredients 字典中。
得到的結果可以透過 matplotlib 進行視覺化。透過資料分析，可以得出許多有意思的資訊，比如，巴西菜用的最多的食材有洋蔥、橄欖油、檸檬等。而在中國，檸檬顯然不是家常飯的常客。我們用的最多的食材有醬、芝麻油、玉米澱粉等。小編猜測，老乾媽一定對中國排名第一的食材有巨大貢獻！
日本比較有特色的清酒和醬油也都榜上有名。
而在寒冷的俄羅斯，黃油則成為餐桌上必不可少的食材，成為戰鬥民族每天所需能量的重要來源。英國更不必多說，如果你熱愛黃油、奶油、土豆和牛奶，去英國就是了！
建立模型
建立模型的過程可能稍微有點複雜，主要分以下四步進行：
1、單詞清洗
2、特徵提取（使用TF_IDF）
3、資料分割與重排
呼叫 train_test_split 函式將訓練集劃分為新的訓練集和驗證集。
4、訓練模型
在訓練模型的過程中，需要嘗試不同的引數，挑選出泛化力最好的模型。透過訓練模型，可以計算得出驗證集上的得分。得分越高，說明分類準確度（正確分類的菜餚百分比）越高。這樣，一個優秀的模型就大功告成啦！
模型預測
在測試檔案 test.json 中，配方的格式與 train.json 相同，只刪除了美食型別，因為它是我們要預測的標的變數。
總的來說，要實現透過食材預測菜系的過程並不複雜，但是如何完善程式碼、最佳化模型，使分類體系和匹配程度更高，才是我們要完成的關鍵標的。如果不能做到資料的有效清洗和分類，就會出現很多法國菜被誤分為義大利菜這樣的情況。
至於能不能分清川菜和湘菜……自己來試一試吧！這個專案其實來自優達學城 Udacity 的「機器學習工程師」奈米學位。
（該專案現提供超值限量試學班，詳情見文末）
優達學城 Udacity 由 Google 無人車之父 Sebastion Thrun 創立，與 Google、Facebook、亞馬遜等名企聯合打造了一系列前沿技術課程，旨在讓每個人都能用遠低於線下教育的成本學習矽谷前沿技術，最終成為有能力透過技術改變世界的搶手人才。2017 年 8 月，騰訊宣佈將 Udacity 奈米學位專案作為內部員工學習內容。
與國內其他平臺相比，Udacity 的一大優勢是來自矽谷的獨家特色實戰專案。僅靠看影片或者啃厚厚的教材很難零基礎入門人工智慧領域。學習者也很難在動輒幾十 G+ 的免費影片教程中，高效快速地篩選出真正有用的東西。優達學城（Udacity）的專案難度深入淺出，能夠讓學習者快速將所學運用到實際生活，也能夠直觀的看到學習成果。下麵的部分專案成果示例來自「機器學習工程師」和「深度學習」奈米學位的正式課程：
專案示例 1 訓練機器人走迷宮
在這個專案中，你會需要實現一個 Q-learning演演算法來解決走迷宮問題。同時你有機會將你的演演算法應用在股市中，讓機器學習出高收益策略。
（來自「機器學習」奈米學位）
專案示例 2 貓狗影象識別
使用深度學習方法識別圖片中是貓還是狗。
（來自「機器學習」奈米學位畢業專案）
實戰專案示例 3 訓練四軸飛行器學會飛行
設計一個深度強化學習系統，來控制四軸飛行器的一系列飛行專案，包括起飛、盤旋和降落等。你將透過構建你自己的懲罰函式、強化學習模型、深度學習隱藏層來幫助你的四軸飛行器瞭解他的每一個動作的優劣。你的四軸飛行器將從一系列動作狀態中，選擇最優的策略來平穩起飛和降落。
（來自「深度學習」奈米學位專案）
實戰專案示例 3 風格遷移
深度學習模型可以用來完成「風格遷移」專案，你可以按照著名的畫作重新建立風格一樣的圖片！神經網路會學習這些畫作採用的技巧，並學會如何自己應用這些繪畫技巧。
（來自「深度學習」練習專案）
除此之外，你將跟隨來自矽谷的行業專家系統學習，深入掌握人工智慧領域知識。實戰專案經驗均可寫入簡歷，為求職面試加分！
Udacity 還特別開啟【7 天超值試學班】，為保證輔導質量，試學名額有限，今天開始搶完為止。本期試學班能夠提前體驗的專案有：
“猜猜這道菜來自哪裡” 使用分類模型透過原料的不同組合預測所屬的世界菜系。
來自「機器學習工程師」7天試學班
“你拍我猜” 利用神經網路來分類照片中是狗狗，是貓貓，還是人。
來自「深度學習」7天試學班
文末關註 Udacity 官方服務號，即可自動獲得兩門課程完整大綱，還能獲得限量的超值試學入口。
如果你也在尋求轉行機會，或渴望突破薪資天花板，抓住人工智慧人才紅利，但又不確定自己是否真的適合、能不能學完，建議加入 7 天試學，讓專業導師手把手帶你完成專案！
長按識別二維碼
瞭解試學班
Udacity 【機器學習工程師】與【深度學習】奈米學位試學班開放限量體驗席位，報滿即止。關註 Udacity 官方服務號，即可自動獲得完整課程大綱，以及限量試學入口，先搶先得。
點選閱讀原文，新增學習規劃師，獲得「選課指南」一份，瞭解適合自己的課程
