امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

کیفیت شراب

  • توضیحات :

با استفاده از نمونه های شراب قرمز و سفید ، دو مجموعه داده ایجاد شد. ورودی ها شامل آزمون های عینی (به عنوان مثال مقادیر PH) و خروجی بر اساس داده های حسی (متوسط ​​حداقل 3 ارزیابی انجام شده توسط کارشناسان شراب) است. هر متخصص کیفیت شراب را بین 0 (بسیار بد) و 10 (بسیار عالی) درجه بندی کرد. چندین روش استخراج داده برای مدل سازی این مجموعه داده ها تحت رویکرد رگرسیون استفاده شد. مدل ماشین بردار پشتیبانی بهترین نتیجه را به دست آورد. چندین معیار محاسبه شد: MAD ، ماتریس سردرگمی برای یک تحمل خطای ثابت (T) و غیره. همچنین ، ما واردات نسبی متغیرهای ورودی را ترسیم می کنیم (همانطور که با روش تجزیه و تحلیل حساسیت اندازه گیری می شود).

این دو مجموعه داده مربوط به انواع قرمز و سفید شراب پرتغالی "Vinho Verde" است. برای جزئیات بیشتر ، با: http://www.vinhoverde.pt/en/ یا مرجع [Cortez et al.، 2009] مشورت کنید. به دلیل حریم خصوصی و مسائل لجستیکی ، فقط متغیرهای فیزیکی - شیمیایی (ورودی) و حسی (خروجی) در دسترس هستند (به عنوان مثال هیچ داده ای در مورد انواع انگور ، مارک شراب ، قیمت فروش شراب و غیره وجود ندارد).

تعداد موارد: شراب قرمز - 1599؛ شراب سفید - 4898

متغیرهای ورودی (براساس آزمایش های فیزیکوشیمیایی):

  1. اسیدیته ثابت
  2. اسیدیته فرار
  3. اسید سیتریک
  4. قند باقیمانده
  5. کلریدها
  6. دی اکسید گوگرد آزاد
  7. دی اکسید گوگرد کل
  8. تراکم
  9. PH
  10. سولفاتها
  11. الکل

متغیر خروجی (براساس داده های حسی):

  1. کیفیت (امتیاز بین 0 تا 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,
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('features', 'quality')

  • نقل قول :

@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 (پیکربندی پیش فرض)

  • شرح پیکربندی : شراب سفید

  • اندازه بارگیری : 258.23 KiB

  • اندازه مجموعه داده : 1.87 MiB

  • تقسیم :

شکاف مثال ها
'train' 4898

کیفیت شراب / قرمز

  • شرح پیکربندی : شراب قرمز

  • حجم بارگیری : 82.23 KiB

  • اندازه مجموعه داده : 626.17 KiB

  • تقسیم :

شکاف مثال ها
'train' 1،599