復(fù)習(xí)商務(wù)智能uci數(shù)據(jù)集

1、葡萄酒質(zhì)量數(shù)據(jù)集 下載 : HYPERLINK /ml/machine-learning-databases/wine-quality/ 數(shù)據(jù)文件夾 , HYPERLINK /ml/machine-learning-databases/wine-quality/s 數(shù)據(jù)集描述 文摘 包括:兩個(gè)數(shù)據(jù)集,與“vinho verde”的酒紅色和白色的樣品,從北方的葡萄牙。 目標(biāo)是模型葡萄酒質(zhì)量基于物理化學(xué)測(cè)試(見科爾特斯et al .,2009), HYPERLINK http:/www3.dsi.uminho.pt/pcortez/wine/ (網(wǎng)頁(yè)鏈接) )。 數(shù)據(jù)集的特點(diǎn):A 多元 的實(shí)例數(shù)量

2、: 4898年 面積: 業(yè)務(wù) 屬性特征: 真正的 數(shù)量的屬性: 12 日期捐贈(zèng) 2009-10-07 相關(guān)的任務(wù): 分類、回歸 缺失的值? N /一個(gè) 網(wǎng)絡(luò)連接次數(shù): 391921年 來源: 保羅科爾特斯,米尼奧大學(xué)GuimarA,葡萄牙, HYPERLINK http:/www3.dsi.uminho.pt/pcortez http:/www3.dsi.uminho.pt/pcortez a . Cerdeira f阿爾梅達(dá),t馬托斯和j里斯“Vinho Verde”地區(qū)的葡萄栽培委員會(huì)(CVRVV),葡萄牙的波爾圖街頭 2009 數(shù)據(jù)集信息: 相關(guān)的兩個(gè)數(shù)據(jù)集是紅色和白色的變種的葡萄牙葡萄

3、酒“Vinho Verde”。 更多細(xì)節(jié),請(qǐng)參考: HYPERLINK http:/www.vinhoverde.pt/en/ (網(wǎng)頁(yè)鏈接) 或引用(科爾特斯et al .,2009)。 由于隱私和物流問題,只有物理化學(xué)(輸入)和感官(輸出)變量可用(例如,沒有關(guān)于葡萄的數(shù)據(jù)類型,葡萄酒品牌,葡萄酒銷售價(jià)格,等等)。 這些數(shù)據(jù)集可以看作是分類或回歸任務(wù)。 類命令和不平衡(如有咀嚼更正常的葡萄酒比優(yōu)秀的或不好的)。 孤立點(diǎn)檢測(cè)算法可以用來檢測(cè)少數(shù)優(yōu)秀或可憐的葡萄酒。 同樣,我們不確定如果所有輸入變量是相關(guān)的。 這可能是有趣測(cè)試特征選擇方法。 屬性信息: 有關(guān)更多信息,閱讀(科爾特斯et al .

4、,2009)。 輸入變量(基于物理化學(xué)測(cè)試): 1 -固定酸度 2 -揮發(fā)性酸 3 -檸檬酸 4 -殘留糖 5 -氯化物 6 -免費(fèi)的二氧化硫 7 -總二氧化硫 8 -密度 9 - pH值 10 -硫酸鹽 11 -酒精 輸出變量(基于感官數(shù)據(jù)): 12 -質(zhì)量(得分從0到10) 相關(guān)論文: p科爾特斯,a . Cerdeira f阿爾梅達(dá),t馬托斯和j里斯。 從理化性質(zhì)數(shù)據(jù)挖掘建模葡萄酒偏好。 在決策支持系統(tǒng)中,愛思唯爾,47(4):547 - 553年,547年。 可以在: HYPERLINK /10.1016/j.dss.2009.05.016 (網(wǎng)頁(yè)鏈接) 引用的要求: 請(qǐng)包括這個(gè)引用如

5、果你打算使用這個(gè)數(shù)據(jù)庫(kù): p科爾特斯,a . Cerdeira f阿爾梅達(dá),t馬托斯和j里斯。 從理化性質(zhì)數(shù)據(jù)挖掘建模葡萄酒偏好。 在決策支持系統(tǒng)中,愛思唯爾,47(4):547 - 553年,547年。 Wine Quality Data Set Download: HYPERLINK /ml/machine-learning-databases/wine-quality/ Data Folder, HYPERLINK /ml/machine-learning-databases/wine-quality/s Data Set DescriptionAbstract: Two dataset

6、s are included, related to red and white vinho verde wine samples, from the north of Portugal. The goal is to model wine quality based on physicochemical tests (see Cortez et al., 2009, HYPERLINK http:/www3.dsi.uminho.pt/pcortez/wine/ Web Link).Data Set Characteristics:MultivariateNumber of Instance

7、s:4898Area:BusinessAttribute Characteristics:RealNumber of Attributes:12Date Donated2009-10-07Associated Tasks:Classification, RegressionMissing Values?N/ANumber of Web Hits:391921Source:Paulo Cortez, University of Minho, Guimares, Portugal, HYPERLINK http:/www3.dsi.uminho.pt/pcortez http:/www3.dsi.

8、uminho.pt/pcortez A. Cerdeira, F. Almeida, T. Matos and J. Reis, Viticulture Commission of the Vinho Verde Region(CVRVV), Porto, Portugal 2009Data Set Information:The two datasets are related to red and white variants of the Portuguese Vinho Verde wine. For more details, consult: HYPERLINK http:/www

9、.vinhoverde.pt/en/ Web Link or the reference Cortez et al., 2009. Due to privacy and logistic issues, only physicochemical (inputs) and sensory (the output) variables are available (e.g. there is no data about grape types, wine brand, wine selling price, etc.). These datasets can be viewed as classi

10、fication or regression tasks. The classes are ordered and not balanced (e.g. there are munch more normal wines than excellent or poor ones). Outlier detection algorithms could be used to detect the few excellent or poor wines. Also, we are not sure if all input variables are relevant. So it could be

11、 interesting to test feature selection methods. Attribute Information:For more information, read Cortez et al., 2009. Input variables (based on physicochemical tests): 1 - fixed acidity 2 - volatile acidity 3 - citric acid 4 - residual sugar 5 - chlorides 6 - free sulfur dioxide 7 - total sulfur dio

12、xide 8 - density 9 - pH 10 - sulphates 11 - alcohol Output variable (based on sensory data): 12 - quality (score between 0 and 10)Relevant Papers:P. Cortez, A. Cerdeira, F. Almeida, T. Matos and J. Reis. Modeling wine preferences by data mining from physicochemical properties. In Decision Support Sy

13、stems, Elsevier, 47(4):547-553, 2009. Available at: HYPERLINK /10.1016/j.dss.2009.05.016 Web Link Citation Request:Please include this citation if you plan to use this database: P. Cortez, A. Cerdeira, F. Almeida, T. Matos and J. Reis. Modeling wine preferences by data mining from physicochemical pr

14、operties. In Decision Support Systems, Elsevier, 47(4):547-553, 2009.從理化性質(zhì)數(shù)據(jù)挖掘建模葡萄酒偏好 HYPERLINK /science/article/pii/S0167923609001377 保羅科特斯 HYPERLINK /science/article/pii/S0167923609001377 l aff1 o Affiliation: a 一個(gè) , , , HYPERLINK /science/article/pii/S0167923609001377 安踏nio Cerdeira HYPERLINK /sc

15、ience/article/pii/S0167923609001377 l aff2 o Affiliation: b b , HYPERLINK /science/article/pii/S0167923609001377 費(fèi)爾南多阿爾梅達(dá) HYPERLINK /science/article/pii/S0167923609001377 l aff2 o Affiliation: b b , HYPERLINK /science/article/pii/S0167923609001377 搶時(shí)正和妹妹詹娜馬托斯 HYPERLINK /science/article/pii/S01679236

16、09001377 l aff2 o Affiliation: b b , HYPERLINK /science/article/pii/S0167923609001377 JosA里斯 HYPERLINK /science/article/pii/S0167923609001377 l aff1 o Affiliation: a 一個(gè) , HYPERLINK /science/article/pii/S0167923609001377 l aff2 o Affiliation: b b 顯示更多 HYPERLINK /10.1016/j.dss.2009.05.016 t doilink /1

17、0.1016/j.dss.2009.05.016 HYPERLINK /AppDispatchServlet?publisherName=ELS&contentID=S0167923609001377&orderBeanReset=true o Get rights and content t _blank 獲得權(quán)利和內(nèi)容 文摘 我們提出一種數(shù)據(jù)挖掘的方法來預(yù)測(cè)人類的酒的口味偏好基于容易分析測(cè)試認(rèn)證步驟。 一個(gè)大數(shù)據(jù)集(相比其他的研究在這一領(lǐng)域)被認(rèn)為是,白色和紅色 “vinho verde” 樣品(葡萄牙)。 下三個(gè)回歸技術(shù)應(yīng)用,計(jì)算高效的程序執(zhí)行同步變量和模型選擇。 支持向量機(jī)實(shí)現(xiàn)了有前景

18、的結(jié)果,優(yōu)于多元回歸和神經(jīng)網(wǎng)絡(luò)方法。 該模型是有用的支持釀酒學(xué)家品酒評(píng)估和改善葡萄酒產(chǎn)量。 此外,類似的技術(shù)可以幫助在目標(biāo)市場(chǎng)營(yíng)銷建模從利基市場(chǎng)消費(fèi)者的口味。 關(guān)鍵字 感覺偏好 ; 回歸 ; 變量的選擇 ; 模型選擇 ; 支持向量機(jī) ; 神經(jīng)網(wǎng)絡(luò) 1。 介紹 一旦被視為奢侈品,如今酒由更廣泛的消費(fèi)者越來越喜歡。 葡萄牙是一個(gè)十大葡萄酒出口的國(guó)家,在2005年以3.17%的市場(chǎng)份額 HYPERLINK /science/article/pii/S0167923609001377 l bib11 11 。 出口的 “vinho verde” 酒(從西北地區(qū))從1997年到2007年增加了36% H

19、YPERLINK /science/article/pii/S0167923609001377 l bib8 8 。 支持它的增長(zhǎng),葡萄酒行業(yè)是投資于新技術(shù)對(duì)葡萄酒生產(chǎn)和銷售流程。 葡萄酒的認(rèn)證和質(zhì)量評(píng)估是關(guān)鍵元素在這個(gè)上下文。 認(rèn)證可以防止非法摻假酒(維護(hù)人類健康)和保證質(zhì)量的葡萄酒市場(chǎng)。 質(zhì)量評(píng)價(jià)通常是認(rèn)證過程的一部分,可以用來提高釀酒(通過識(shí)別最具影響力的因素)和分層等高端品牌葡萄酒(用于設(shè)置價(jià)格)。 葡萄酒的認(rèn)證通常是由理化和感官評(píng)估測(cè)試 HYPERLINK /science/article/pii/S0167923609001377 l bib10 10 。 理化實(shí)驗(yàn)室測(cè)試通常用來描

20、述葡萄酒包括密度的確定、酒精或pH值,而感官測(cè)試主要依靠人類專家。 應(yīng)該強(qiáng)調(diào),味道是最不理解的人類的感官所感覺到 HYPERLINK /science/article/pii/S0167923609001377 l bib25 25 因此葡萄酒分類是一項(xiàng)艱巨的任務(wù)。 此外,物理化學(xué)和感官分析之間的關(guān)系是復(fù)雜的,還沒有完全理解 HYPERLINK /science/article/pii/S0167923609001377 l bib20 20 。 信息技術(shù)的進(jìn)步使人們有可能收集、存儲(chǔ)和處理,通常高度復(fù)雜的數(shù)據(jù)集。 所有這些數(shù)據(jù)保存有價(jià)值的信息,如趨勢(shì)和模式,可以用來改善決策和優(yōu)化成功的機(jī)會(huì) H

21、YPERLINK /science/article/pii/S0167923609001377 l bib28 28 。 數(shù)據(jù)挖掘(DM)技術(shù) HYPERLINK /science/article/pii/S0167923609001377 l bib33 33 旨在從原始數(shù)據(jù)中提取高層知識(shí)。 有幾個(gè)DM算法,每個(gè)人有自己的優(yōu)勢(shì)。 連續(xù)數(shù)據(jù)建模時(shí),線性/多元回歸(MR)是經(jīng)典的方法。 在1974年首次引入了反向傳播算法 HYPERLINK /science/article/pii/S0167923609001377 l bib32 32 在1986年,后來推廣 HYPERLINK /scien

22、ce/article/pii/S0167923609001377 l bib23 23 。 自那時(shí)以來,神經(jīng)網(wǎng)絡(luò)(NNs)已經(jīng)成為越來越多的使用。 最近,支持向量機(jī)(svm)也被提出 HYPERLINK /science/article/pii/S0167923609001377 l bib4 4 一個(gè)安達(dá) HYPERLINK /science/article/pii/S0167923609001377 l bib26 26 。 由于其高靈活性和非線性學(xué)習(xí)能力,得到和svm獲得注意力在DM,經(jīng)常獲得較高的預(yù)測(cè)性能 HYPERLINK /science/article/pii/S01679236

23、09001377 l bib16 16 一個(gè)安達(dá) HYPERLINK /science/article/pii/S0167923609001377 l bib17 17 。 目前支持向量機(jī)理論優(yōu)勢(shì)得到,如缺乏局部最小值的學(xué)習(xí)階段。 實(shí)際上,支持向量機(jī)最近被認(rèn)為是最具影響力的DM算法 HYPERLINK /science/article/pii/S0167923609001377 l bib34 34 。 先生模型更容易解釋,仍然可以從NNs和svm提取知識(shí)給定的輸入變量的重要性 HYPERLINK /science/article/pii/S0167923609001377 l bib18 1

24、8 一個(gè)安達(dá) HYPERLINK /science/article/pii/S0167923609001377 l bib7 7 。 當(dāng)應(yīng)用這些DM方法、變量和模型選擇是至關(guān)重要的問題。 變量的選擇 HYPERLINK /science/article/pii/S0167923609001377 l bib14 14 是有用的丟棄無關(guān)的輸入,從而導(dǎo)致更簡(jiǎn)單的模型,更容易解釋,通常提供更好的性能。 復(fù)雜的模型可能overfit數(shù)據(jù),失去概括的能力,而模型太簡(jiǎn)單將有限的學(xué)習(xí)能力。 的確,神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)hyperparameters需要調(diào)整 HYPERLINK /science/article

25、/pii/S0167923609001377 l bib16 16 ,如神經(jīng)網(wǎng)絡(luò)隱節(jié)點(diǎn)的數(shù)量或SVM內(nèi)核參數(shù),為了得到好的預(yù)測(cè)精度(見 HYPERLINK /science/article/pii/S0167923609001377 l sec2 2.3節(jié) )。 葡萄酒行業(yè)的使用決策支持系統(tǒng)主要集中在葡萄酒生產(chǎn)階段 HYPERLINK /science/article/pii/S0167923609001377 l bib12 12 。 盡管潛在的DM技術(shù)預(yù)測(cè)葡萄酒質(zhì)量基于物理化學(xué)數(shù)據(jù),使用相當(dāng)稀缺,主要考慮小數(shù)據(jù)集。 例如,1991年,一個(gè)Winea數(shù)據(jù)集被捐贈(zèng)到UCI庫(kù) HYPERLINK

26、 /science/article/pii/S0167923609001377 l bib1 1 。 測(cè)量的數(shù)據(jù)包含178例13化學(xué)成分(如酒精、毫克)和分類的目標(biāo)是三個(gè)品種來自意大利。 這個(gè)數(shù)據(jù)集很容易區(qū)分,主要用作新DM基準(zhǔn)分類器。 1997年 HYPERLINK /science/article/pii/S0167923609001377 l bib27 27 NN美聯(lián)儲(chǔ)與15個(gè)輸入變量(例如鋅和鎂的水平)是用來預(yù)測(cè)六個(gè)地理酒的起源。 數(shù)據(jù)包括170個(gè)樣本來自德國(guó)和預(yù)測(cè)率為100%。 2001年 HYPERLINK /science/article/pii/S01679236090013

27、77 l bib30 30 NNs被用來分類三個(gè)感官屬性(如甜味)的加州葡萄酒,葡萄成熟度級(jí)別和化學(xué)分析的基礎(chǔ)上(如可滴定酸度)。 只有36個(gè)例子使用和誤差達(dá)到了6%。 幾個(gè)物理化學(xué)參數(shù)(如酒精、密度)中使用 HYPERLINK /science/article/pii/S0167923609001377 l bib20 20 描述56意大利葡萄酒樣品。 然而,作者認(rèn)為,映射這些參數(shù)與感官品嘗小組是一個(gè)非常艱巨的任務(wù),而他們使用神經(jīng)網(wǎng)絡(luò)美聯(lián)儲(chǔ)數(shù)據(jù)取自電子舌頭。 最近,礦物特征(例如鋅和鎂)被用來區(qū)分54紅酒樣品分為兩類 HYPERLINK /science/article/pii/S01679

28、23609001377 l bib21 21 。 采用概率神經(jīng)網(wǎng)絡(luò),達(dá)到95%的準(zhǔn)確率。 作為一個(gè)強(qiáng)大的學(xué)習(xí)工具,支持向量機(jī)已經(jīng)優(yōu)于神經(jīng)網(wǎng)絡(luò)在一些應(yīng)用程序中,如預(yù)測(cè)肉的偏好 HYPERLINK /science/article/pii/S0167923609001377 l bib7 7 。 然而,在葡萄酒領(lǐng)域的質(zhì)量只有一個(gè)應(yīng)用程序已經(jīng)報(bào)道,在光譜測(cè)量147瓶被成功地用來預(yù)測(cè)3種米酒的年齡 HYPERLINK /science/article/pii/S0167923609001377 l bib35 35 。 在本文中,我們提出一個(gè)案例研究的建模的口味偏好基于分析數(shù)據(jù),很容易可以在葡萄酒認(rèn)證

29、步驟。 建立這種模型不僅是有價(jià)值的認(rèn)證實(shí)體甚至還葡萄酒生產(chǎn)商和消費(fèi)者。 它可以用來支持釀酒學(xué)家的葡萄酒的評(píng)價(jià),可能會(huì)提高決策的質(zhì)量和速度。 此外,測(cè)量的影響物理化學(xué)測(cè)試最后葡萄酒質(zhì)量改善生產(chǎn)過程是很有用的。 此外,它可以幫助目標(biāo)市場(chǎng)營(yíng)銷 HYPERLINK /science/article/pii/S0167923609001377 l bib24 24 ,即通過類似的技術(shù)應(yīng)用到模型細(xì)分市場(chǎng)的消費(fèi)者的偏好和/或有利可圖的市場(chǎng)。 這項(xiàng)工作的主要貢獻(xiàn)是: 一個(gè) 我們提出一個(gè)新穎的方法來執(zhí)行同步變量和模型選擇的神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)技術(shù)。 變量的選擇是基于靈敏度分析 HYPERLINK /scienc

30、e/article/pii/S0167923609001377 l bib18 18 ,這是一個(gè)計(jì)算有效方法測(cè)量輸入相關(guān)性和引導(dǎo)變量選擇過程。 同時(shí),我們提出一個(gè)吝嗇搜索方法來選擇最好的SVM內(nèi)核參數(shù)較低的計(jì)算工作。 一個(gè) 我們測(cè)試這種方法在現(xiàn)實(shí)的應(yīng)用程序中,預(yù)測(cè) “vinho verde” 酒(從葡萄牙米尼奧地區(qū))的口味偏好,顯示在這一領(lǐng)域的影響。 與先前的研究相比,一個(gè)大型數(shù)據(jù)集被認(rèn)為是,共有4898白色和1599年紅色樣品。 葡萄酒的偏好在回歸建模方法,保留成績(jī)的順序,我們展示如何寬容概念的定義用于訪問不同的性能水平。 我們相信這是有價(jià)值的支持應(yīng)用程序的集成方法排名感覺偏好是必需的,例如

31、在葡萄酒或肉類質(zhì)量保證。 本文的組織結(jié)構(gòu)如下: HYPERLINK /science/article/pii/S0167923609001377 l sec1 第二節(jié) 介紹了葡萄酒數(shù)據(jù),DM模型和變量選擇方法; HYPERLINK /science/article/pii/S0167923609001377 l sec2 第三節(jié) 實(shí)驗(yàn)設(shè)計(jì)是描述和結(jié)果進(jìn)行了分析;最后,結(jié)論是 HYPERLINK /science/article/pii/S0167923609001377 l sec3 第四節(jié) 。 2. Materials and methods2.1. Wine dataThis study

32、will consider vinho verde, a unique product from the Minho (northwest) region of Portugal. Medium in alcohol, is it particularly appreciated due to its freshness (specially in the summer). This wine accounts for 15% of the total Portuguese production HYPERLINK /science/article/pii/S0167923609001377

33、l bib8 8, and around 10% is exported, mostly white wine. In this work, we will analyze the two most common variants, white and red (ros is also produced), from the demarcated region of vinho verde. The data were collected from May/2004 to February/2007 using only protected designation of origin samp

34、les that were tested at the official certification entity (CVRVV). The CVRVV is an inter-professional organization with the goal of improving the quality and marketing of vinho verde. The data were recorded by a computerized system (iLab), which automatically manages the process of wine sample testi

35、ng from producer requests to laboratory and sensory analysis. Each entry denotes a given test (analytical or sensory) and the final database was exported into a single sheet (.csv).During the preprocessing stage, the database was transformed in order to include a distinct wine sample (with all tests

36、) per row. To avoid discarding examples, only the most common physicochemical tests were selected. Since the red and white tastes are quite different, the analysis will be performed separately, thus two datasets HYPERLINK /science/article/pii/S0167923609001377 l fn1 1 were built with 1599 red and 4898 white ex