kaggle 红酒质量数据集进行探索性数据分析

探索性数据分析 机器学习模型 结论 所有特征都显示出对葡萄酒质量的影响。当考虑每个变量的相关性时，我们可以看到一些特征是相互关联的。这是因为固定酸、柠檬酸等特征是 pH 值等特征的一部分。主要发现是酸度对决定葡萄酒的质量有很大影响。此外，消费者表示，优质葡萄酒不应含有过多的残糖。这意味着非常甜的葡萄酒不是优质葡萄酒的特征。酒精含量的增加也被视为优质葡萄酒的一个特征，但不应增加到将葡萄酒归类为烈酒的程度。 从机器学习模型中，我们得到堆叠分类器和随机森林分类器比其他模型具有更高的性能。堆叠分类器是精度最高的分类器，达到 85.94%。我们可以看到，在不重新采样的情况下，准确度略有提高。因此没有 SMOTE 重采样的模型是最好的模型。可以通过使用 scikit learn 随机网格搜索调整这些模型的超参数来提高准确性 有问题可以call me