语境

这两个数据集与葡萄牙“ Vinho Verde”葡萄酒的红色和白色变体有关。有关更多详细信息，请参考参考文献[Cortez等，2009]。由于隐私和物流问题，仅物理化学（输入）和感官（输出）变量可用（例如，没有有关葡萄类型，葡萄酒品牌，葡萄酒售价等的数据）。

这些数据集可以视为分类或回归任务。这些课程是有序的，而不是均衡的（例如，普通葡萄酒比优质或劣等葡萄酒要多得多）。

该数据集也可以从UCI机器学习存储库https://archive.ics.uci.edu/ml/datasets/wine+quality中获得，为了方便起见，我将其共享给kaggle。（如果我弄错了，并且公共许可证类型不允许我这样做，那么我将根据要求将其删除。）

内容

有关更多信息，请阅读[Cortez等，2009]。

输入变量（基于理化测试）：

1-固定酸度

2-挥发性酸度

3-柠檬酸

4-残留糖

5-氯化物

6-游离二氧化硫

7-总二氧化硫

8-密度

9-pH

10-硫酸盐

11-醇

输出变量（基于感官数据）：

12-质量（得分在0到10之间）

提示

除了使用回归建模之外，可能还有一件有趣的事情是为您的因变量（葡萄酒质量）设置一个任意截止值，例如7或更高，并被归类为“好/ 1”，其余归类为“不好”。 / 0'。
这使您可以对超参数调整进行练习，例如查看ROC曲线和AUC值的决策树算法。
无需进行任何类型的特征工程或过度拟合，您就应该能够获得.88的AUC（甚至不使用随机森林算法）

KNIME是可用于此目的的出色工具（GUI）。

1-用于线性相关节点的文件读取器（用于csv）和用于基本EDA的交互式直方图。

2-将文件阅读器转到“规则引擎节点”以将10点刻度转换为dichtome变量（好酒和休息），放在规则引擎中的代码如下所示：

$ quality $> 6.5 =>“好”
TRUE =>“坏”

3-规则引擎节点输出到“列过滤器”节点的输入以过滤出原始的10点要素（这防止泄漏）

4-列过滤节点的输出到“分区节点”的输入（您的标准火车/特斯普利特，例如75％/ 25％，选择“随机”或“分层”）

5-分区节点训练数据拆分输出输入到Train数据拆分输入到决策树学习者节点，以及

6-分区节点测试数据拆分输出输出到输入决策树预测器节点

7-决策树学习器节点输出到输入决策树节点输入

8-决策树输出到输入ROC节点..（在这里您可以基于AUC值评估模型）

灵感

使用机器学习来确定哪种理化特性使葡萄酒“好”！

致谢

该数据集也可以从UCI机器学习存储库https://archive.ics.uci.edu/ml/datasets/wine+quality中获得，为了方便起见，我将其共享给kaggle。（我误会了，并且公共许可证类型不允许我这样做，我将在第一次提出请求时将其删除。我不是此数据集的所有者。

如果您打算使用此数据库，请提供以下引用：P. Cortez，A。Cerdeira，F。Almeida，T。Matos和J. Reis。通过根据理化特性进行数据挖掘来对葡萄酒的喜好进行建模。在Decision Support Systems中，Elsevier，47（4）：547-553，2009。

相关出版物

P. Cortez，A。Cerdeira，F。Almeida，T。Matos和J. Reis。通过根据理化特性进行数据挖掘来对葡萄酒的喜好进行建模。
在Decision Support Systems中，Elsevier，47（4）：547-553，2009。