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
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！
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
