вино_качество

• Описание :

Были созданы два набора данных с использованием образцов красного и белого вина. Входные данные включают объективные тесты (например, значения рН), а выходные данные основаны на органолептических данных (медиана не менее 3 оценок, сделанных винными экспертами). Каждый эксперт оценил качество вина от 0 (очень плохое) до 10 (очень отличное). Для моделирования этих наборов данных в рамках регрессионного подхода было применено несколько методов интеллектуального анализа данных. Модель опорных векторов достигла наилучших результатов. Были рассчитаны несколько показателей: MAD, матрица путаницы для фиксированного допуска ошибок (T) и т. д. Кроме того, мы наносим на график относительную важность входных переменных (измеряемую с помощью процедуры анализа чувствительности).

Два набора данных относятся к красному и белому вариантам португальского вина «Vinho Verde». Для получения более подробной информации см.: http://www.vinhoverde.pt/en/ или ссылку [Cortez et al., 2009]. Из соображений конфиденциальности и логистики доступны только физико-химические (входные) и органолептические (выходные) переменные (например, нет данных о сортах винограда, марке вина, продажной цене вина и т. д.).

Количество экземпляров: красное вино - 1599; белое вино - 4898

Входные переменные (на основе физико-химических тестов):

1. фиксированная кислотность
2. летучая кислотность
3. лимонная кислота
4. остаточный сахар
5. хлориды
6. свободный диоксид серы
7. общий диоксид серы
8. плотность
9. рН
10. сульфаты
11. алкоголь

Выходная переменная (на основе сенсорных данных):

1. качество (оценка от 0 до 10)

• Домашняя страница : https://archive.ics.uci.edu/ml/datasets/wine+quality

• Исходный код : tfds.structured.wine_quality.WineQuality

• Версии :

  • 1.0.0 (по умолчанию): нет примечаний к выпуску.

• Автоматическое кэширование ( документация ): Да

• Структура функции :

FeaturesDict({
    'features': FeaturesDict({
        'alcohol': float32,
        'chlorides': float32,
        'citric acid': float32,
        'density': float32,
        'fixed acidity': float32,
        'free sulfur dioxide': float32,
        'pH': float32,
        'residual sugar': float32,
        'sulphates': float64,
        'total sulfur dioxide': float32,
        'volatile acidity': float32,
    }),
    'quality': int32,
})

• Документация по функциям :

• Ключи под наблюдением (см . документ as_supervised ): ('features', 'quality')

• Рисунок ( tfds.show_examples ): не поддерживается.

• Цитата :

@ONLINE {cortezpaulo;cerdeiraantonio;almeidafernando;matostelmo;reisjose1999,
    author = "Cortez, Paulo; Cerdeira, Antonio; Almeida,Fernando;  Matos, Telmo;  Reis, Jose",
    title  = "Modeling wine preferences by data mining from physicochemical properties.",
    year   = "2009",
    url    = "https://archive.ics.uci.edu/ml/datasets/wine+quality"
}

wine_quality/white (конфигурация по умолчанию)

• Описание конфигурации : Белое вино

• Размер загрузки : 258.23 KiB

• Размер набора данных : 1.87 MiB .

• Сплиты :

• Примеры ( tfds.as_dataframe ):

wine_quality/красное

• Описание конфигурации : Красное вино

• Размер загрузки : 82.23 KiB

• Размер набора данных : 626.17 KiB .

• Сплиты :

• Примеры ( tfds.as_dataframe ):