Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

wine_quality

  • Описание:

Были созданы два набора данных с использованием образцов красного и белого вина. Входные данные включают объективные тесты (например, значения pH), а выходные данные основаны на сенсорных данных (медиана не менее 3 оценок, сделанных винными экспертами). Каждый эксперт оценил качество вина от 0 (очень плохо) до 10 (очень хорошо). Для моделирования этих наборов данных в рамках регрессионного подхода было применено несколько методов интеллектуального анализа данных. Модель опорного вектора достигла наилучших результатов. Были вычислены несколько метрик: MAD, матрица неточностей для фиксированного допуска ошибки (T) и т. Д. Кроме того, мы наносим на график относительные значения входных переменных (измеренных с помощью процедуры анализа чувствительности).

Эти два набора данных относятся к красному и белому вариантам португальского вина "Винью Верде". Для получения более подробной информации обращайтесь: http://www.vinhoverde.pt/en/ или ссылка [Кортес и др . , 2009]. Из-за проблем с конфиденциальностью и логистики доступны только физико-химические (исходные данные) и сенсорные (выходные данные) 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. pH
  10. сульфаты
  11. алкоголь

Выходная переменная (на основе сенсорных данных):

  1. качество (оценка от 0 до 10)
FeaturesDict({
    'features': FeaturesDict({
        'alcohol': tf.float32,
        'chlorides': tf.float32,
        'citric acid': tf.float32,
        'density': tf.float32,
        'fixed acidity': tf.float32,
        'free sulfur dioxide': tf.float32,
        'pH': tf.float32,
        'residual sugar': tf.float32,
        'sulphates': tf.float64,
        'total sulfur dioxide': tf.float32,
        'volatile acidity': tf.float32,
    }),
    'quality': tf.int32,
})
@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

  • Скачать Размер: 258.23 KiB

  • Dataset Размер: 1.87 MiB

  • расколы:

Расколоть Примеры
'train' 4898

wine_quality / красное

  • Описание Config: Красное вино

  • Скачать Размер: 82.23 KiB

  • Dataset Размер: 626.17 KiB

  • расколы:

Расколоть Примеры
'train' 1,599