红葡萄酒和白葡萄酒品质分析

面向机器学习初学者的葡萄酒品质分析。遵循标准机器学习流程方法。

摘要：本文包含两组数据集，分别涉及葡萄牙北部的红、白绿酒样本。目标是基于物理化学测试建立葡萄酒质量模型。

数据集信息：

这两个数据集分别与葡萄牙“Vinho Verde”葡萄酒的红葡萄酒和白葡萄酒相关。由于隐私和物流问题，仅提供物理化学（输入）和感官（输出）变量（例如，没有关于葡萄种类、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。类别是有序的，且不平衡（例如，正常的葡萄酒数量远多于优质或劣质的葡萄酒）。可以使用异常值检测算法来检测少数优质或劣质的葡萄酒。此外，我们不确定所有输入变量是否都相关。因此，测试特征选择方法可能会很有趣。

属性信息：

输入变量（基于物理化学测试）：

1. 固定酸度
2. 挥发性酸度
3. 柠檬酸
4. 残糖
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. 酒精

输出变量（基于感官数据）：

1. 质量（分数在 0 到 10 之间）

这些列已在 Kaggle 数据资源管理器中描述。