背景

这两个数据集与葡萄牙“Vinho Verde”葡萄酒的红色和白色品种有关。有关更多详细信息，请参阅参考文献[Cortez et al.，2009]。由于隐私和计算的问题，仅提供物理化学（输入）和感官（输出）变量的数据（例如，没有关于葡萄品种，葡萄酒品牌，葡萄酒销售价格等的数据）。

这个数据集也可以从UCI机器学习存储库https://archive.ics.uci.edu/ml/datasets/wine+quality获得

内容

更多信息请参阅 [Cortez et al., 2009].

输入变量 (基于物理化学的测试):

1 - fixed acidity

2 - volatile acidity

3 - citric acid

4 - residual sugar

5 - chlorides

6 - free sulfur dioxide

7 - total sulfur dioxide

8 - density

9 - pH

10 - sulphates

11 - alcohol

输出变量 (基于感官的数据):

12 - quality (分数从0到10)

提示

一个可能有趣的事情是，除了使用回归建模外，可以将您的因变量（葡萄酒质量）的任意截止值设置为例如7或更高，分类为“好/1”，其余为“不好/0”。

这使您可以在例如决策树算法上练习超参数调整，查看ROC曲线和AUC值。即使不进行任何特征工程或过度拟合，您也应该能够获得0.88的AUC（甚至不使用随机森林算法）。

KNIME 是一个很好的工具（GUI），可以用于此.

1 - 文件读取器（用于csv）到线性相关节点，以及基本EDA的交互式直方图。

2- 文件读取器到“规则引擎节点”，将10分制转换为二元变量（好酒和其他），放入规则引擎的代码类似于这样：

• $quality$ > 6.5 => “good”
  
• TRUE => “bad”
  
  3- 规则引擎节点输出到列过滤器节点的输入，以过滤您的原始10分特征（这可以防止泄漏）
  
  4- 列过滤器节点输出到分区节点的输入（您的标准训练/测试集拆分，例如75％/ 25％，选择“随机”或“分层”）
  
  5- 分区节点训练数据拆分输出到决策树学习器节点的输入
  
  6- 分区节点测试数据拆分输出到决策树预测器节点的输入
  
  7- 决策树学习器节点输出到决策树节点输入
  
  8- 决策树输出到ROC节点的输入…（在这里，您可以根据AUC值评估模型）
  

使用启发

使用机器学习来确定哪些物理化学特性使葡萄酒“好”！

致谢

这个数据集也可以从UCI机器学习存储库获取：https://archive.ics.uci.edu/ml/datasets/wine+quality

相关出版物

P. Cortez, A. Cerdeira, F. Almeida, T. Matos and J. Reis. Modeling wine preferences by data mining from physicochemical properties.
In Decision Support Systems, Elsevier, 47(4):547-553, 2009.

数据集来源

www.kaggle.com

原作者

UCI MACHINE LEARNING