葡萄酒质量预测数据集
数据来源：互联网公开数据
标签：葡萄酒,质量预测,机器学习,物流回归,分类,回归任务,葡萄酒质量评分,品酒,化学成分,感官评价
数据概述：
本数据集包含葡萄牙“Vinho Verde”红酒和白葡萄酒的两种变体的相关数据。数据集提供了葡萄酒的理化（输入）和感官（输出）变量，但不包括葡萄种类、品牌、销售价格等信息。数据主要用于分类或回归任务，输出变量为葡萄酒质量评分（0到10之间的分数）。数据集中的质量类别是有序且不平衡的，即普通质量的葡萄酒数量远多于优质或劣质葡萄酒。
数据用途概述：
该数据集适用于葡萄酒质量预测、机器学习模型开发、回归分析和分类分析等多种场景。研究者可以利用此数据集训练物流回归模型，预测葡萄酒的质量；也可以将其转换为二分类任务，研究哪些理化特性使得葡萄酒被评为“优质”。此外，数据集也适合用于教育培训，帮助学习者理解机器学习算法的应用和评估方法。
举例：
1. 文件读取器（用于读取CSV文件）连接到线性相关性节点和交互直方图节点，进行基本的探索性数据分析。
2. 文件读取器连接到规则引擎节点，将10点评分系统转换为二元变量（优质/非优质），规则引擎中的代码示例为：$quality$ > 6.5 => "优质"；TRUE => "非优质"。
3. 规则引擎节点的输出连接到列过滤节点，过滤掉原始的10点评分特征，以避免信息泄漏。
4. 列过滤节点的输出连接到分区节点，进行标准的训练/测试数据分割（例如75%/25%），选择随机或分层分割方法。
5. 分区节点的训练数据分割输出连接到决策树学习器节点。
6. 分区节点的测试数据分割输出连接到决策树预测节点。
7. 决策树学习器节点的输出连接到决策树节点的输入。
8. 决策树节点的输出连接到ROC节点，评估模型的性能（基于AUC值）。
