anggur_kualitas

• Deskripsi :

Dua kumpulan data dibuat, menggunakan sampel anggur merah dan putih. Masukan meliputi tes objektif (misalnya nilai PH) dan keluaran didasarkan pada data sensorik (median dari minimal 3 evaluasi yang dibuat oleh ahli anggur). Setiap pakar menilai kualitas anggur antara 0 (sangat buruk) dan 10 (sangat baik). Beberapa metode penambangan data diterapkan untuk memodelkan kumpulan data ini dengan pendekatan regresi. Model mesin vektor pendukung mencapai hasil terbaik. Beberapa metrik dihitung: MAD, matriks kebingungan untuk toleransi kesalahan tetap (T), dll. Juga, kami memplot kepentingan relatif dari variabel input (sebagaimana diukur dengan prosedur analisis sensitivitas).

Kedua kumpulan data tersebut terkait dengan varian anggur merah dan putih Portugis "Vinho Verde". Untuk detail lebih lanjut, lihat: http://www.vinhoverde.pt/en/ atau referensi [Cortez et al., 2009]. Karena masalah privasi dan logistik, hanya variabel fisikokimia (input) dan sensorik (output) yang tersedia (misalnya tidak ada data tentang jenis anggur, merek wine, harga jual wine, dll.).

Jumlah Contoh: anggur merah - 1599; anggur putih - 4898

Variabel masukan (berdasarkan uji fisikokimia):

1. keasaman tetap
2. keasaman yang mudah menguap
3. asam sitrat
4. sisa gula
5. klorida
6. belerang dioksida bebas
7. sulfur dioksida total
8. kepadatan
9. pH
10. sulfat
11. alkohol

Variabel keluaran (berdasarkan data sensorik):

1. kualitas (skor antara 0 dan 10)

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

• Kode sumber : tfds.structured.wine_quality.WineQuality

• Versi :

  • 1.0.0 (default): Tidak ada catatan rilis.

• Di-cache otomatis ( dokumentasi ): Ya

• Struktur fitur :

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,
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
fitur	fiturDict
fitur/alkohol	Tensor		float32
fitur / klorida	Tensor		float32
fitur / asam sitrat	Tensor		float32
fitur/kepadatan	Tensor		float32
fitur / keasaman tetap	Tensor		float32
fitur/bebas sulfur dioksida	Tensor		float32
fitur/pH	Tensor		float32
fitur/sisa gula	Tensor		float32
fitur/sulfat	Tensor		float64
fitur/total sulfur dioksida	Tensor		float32
fitur / keasaman yang mudah menguap	Tensor		float32
kualitas	Tensor		int32

• Kunci yang diawasi (Lihat as_supervised doc ): ('features', 'quality')

• Gambar ( tfds.show_examples ): Tidak didukung.

• Kutipan :

@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 (konfigurasi default)

• Deskripsi konfigurasi : Anggur Putih

• Ukuran unduhan : 258.23 KiB

• Ukuran dataset : 1.87 MiB

• Perpecahan :

Membelah	Contoh
'train'	4.898

• Contoh ( tfds.as_dataframe ):

kualitas_anggur/merah

• Deskripsi konfigurasi : Red Wine

• Ukuran unduhan : 82.23 KiB

• Ukuran dataset : 626.17 KiB

• Perpecahan :

Membelah	Contoh
'train'	1.599

• Contoh ( tfds.as_dataframe ):