Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

jakość_wina

  • opis:

Utworzono dwa zbiory danych, wykorzystując próbki czerwonego i białego wina. Dane wejściowe obejmują testy obiektywne (np. wartości pH), a dane wyjściowe opierają się na danych sensorycznych (mediana z co najmniej 3 ocen dokonanych przez ekspertów w dziedzinie wina). Każdy ekspert ocenił jakość wina od 0 (bardzo zła) do 10 (bardzo doskonała). Do modelowania tych zestawów danych w ramach podejścia regresji zastosowano kilka metod eksploracji danych. Najlepsze wyniki osiągnął model maszyny wektora nośnego. Obliczono kilka metryk: MAD, macierz pomyłek dla stałej tolerancji błędu (T) itp. Ponadto wykreślamy względne znaczenia zmiennych wejściowych (mierzone za pomocą procedury analizy wrażliwości).

Te dwa zestawy danych dotyczą czerwonych i białych wariantów portugalskiego wina „Vinho Verde”. Aby uzyskać więcej szczegółów można znaleźć w: http://www.vinhoverde.pt/en/ lub odniesienie [Cortez i wsp., 2009]. Ze względu na kwestie prywatności i logistyki dostępne są tylko zmienne fizykochemiczne (wkłady) i sensoryczne (wyjście) (np. brak danych o rodzajach winogron, marce wina, cenie sprzedaży wina itp.).

Liczba instancji: czerwone wino - 1599; wino białe - 4898

Zmienne wejściowe (na podstawie testów fizykochemicznych):

  1. stała kwasowość
  2. kwasowość lotna
  3. kwas cytrynowy
  4. cukier resztkowy
  5. chlorki
  6. wolny dwutlenek siarki
  7. całkowity dwutlenek siarki
  8. gęstość
  9. pH
  10. siarczany
  11. alkohol

Zmienna wyjściowa (na podstawie danych sensorycznych):

  1. jakość (ocena od 0 do 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 (domyślna konfiguracja)

  • Opis config: Białe wino

  • Wielkość pliku: 258.23 KiB

  • Zbiór danych Rozmiar: 1.87 MiB

  • dzieli:

Podział Przykłady
'train' 4898

jakość_wina/czerwony

  • Opis config: Czerwone wino

  • Wielkość pliku: 82.23 KiB

  • Zbiór danych rozmiar: 626.17 KiB

  • dzieli:

Podział Przykłady
'train' 1599