Niveau: Anfänger
Y ongxin Cui, Student, Programm für Geschäftsanalyse und Projektmanagement, University of Connecticut School of Business
Tianhao Zhao, Student, Programm für Geschäftsanalyse und Projektmanagement, University of Connecticut School of Business
Xinyin Miao, Student, Programm für Geschäftsanalyse und Projektmanagement, School of Business der University of Connecticut
1. Zusammenfassung
Anspruchsvolle Weinqualität ist besonders wichtig für Weinhändler, die an die breite Öffentlichkeit verkaufen, da sie normalerweise nicht über die Ressourcen verfügen, um einen riesigen Weinbestand zu lagern, und sicherstellen müssen, dass ihr Bestand qualitativ hochwertige Weine enthält, die immer anspruchsvollere Kunden zufrieden stellen Gaumen der breiten Öffentlichkeit. Unser Team beschloss, die in JMP verfügbaren Data-Mining-Tools zu verwenden, um zu untersuchen, ob die Qualität eines Weins, eine subjektive Bewertung durch die Öffentlichkeit, anhand von 11 beschreibenden Variablen (bestehend aus weinchemischen Messungen oder Berechnungen, die üblicherweise aus diesen Messungen erstellt werden) vorhergesagt werden kann. Unser Ziel war ein sparsames Modell mit der geringsten Anzahl von Variablen, das einem Weingut helfen würde, qualitativ hochwertigeren Wein zu produzieren. Außerdem würde unser Team den Unterschied zwischen Rotwein und Weißwein analysieren. Unsere vorläufige Schlussfolgerung ist, dass für Rotwein vier Variablen (flüchtige Säure, Gesamtschwefeldioxid, Sulfate und Alkohol) ausreichende Prädiktoren für hohe Qualität sein können, während für Weißwein fünf Variablen (feste Säure, flüchtige Säure, Restzucker, Sulfate und Alkohol) können ausreichende Prädiktoren für eine hohe Qualität sein.
2. Methodik
In diesem Abschnitt wird die SEMMA-Methode verwendet, um die Rot- und Weißwein-Datensätze zu untersuchen.
Probe
Sowohl der Rotwein- als auch der Weißwein-Datensatz haben 12 Variablen. Der Rotwein-Datensatz hat 1599 Zeilen und der Weißwein-Datensatz hat 4898 Zeilen. Für dieses Projekt war es nicht erforderlich, kleinere Stichproben dieser Datensätze zu verwenden, da beide klein genug sind, um sie mit den verfügbaren Computerressourcen zu verarbeiten, und groß genug, um signifikante Informationen zu enthalten.
Erkunden
Für jeden Wein enthält der Datensatz 11 Prädiktoren in Bezug auf die physikalischen und chemischen Eigenschaften des Weins und eine subjektive Bewertung der Weinqualität. Die Messgrößen sind alle stetig.Die Qualitätsbewertungsvariable ist ordinal und reicht von 1 (niedrigste Qualität) bis 10 (höchste Qualität). Die Prädiktorvariablen sind alle kontinuierlichen Variablen, die entweder die physikalischen oder chemischen Eigenschaften des Weins beschreiben. Ursprünglich sollte die Dichte eine starke Beziehung zu einigen anderen Variablen haben, wie Schwefeldioxid, Sulfate und andere chemische Komponenten, die die Dichte des Weins beeinflussen könnten. Darüber hinaus zeigt der Bericht der Verteilungsfunktion in JMP, dass jede Prädiktorvariable als nahezu normal bestimmt wurde, mit Ausnahme von Restzucker, der stark linksschief ist. Bei Bedarf wird der Restzucker in der Analyse umgewandelt. Auch die weit gestreuten Verteilungen von Restzucker und Chloriden können Ausreißer darstellen oder verbergen.
Ändern
( 1) Korrigieren Sie Inkonsistenzen und offensichtliche Fehler
Es gibt keine Inkonsistenzen und offensichtlichen Fehler in den beiden Datensätzen.
(2) Ändern Sie den Datentyp
Idealerweise bestimmen diese Daten als stetige Variable das Ziel „Qualitätsniveau“. Das hätte aber zu Problemen führen können. Diese Qualitätsstufe muss zwischen 1 und 10 liegen, um der subjektiven Qualitätsbewertung zu entsprechen. Wenn die Qualitätsstufe kontinuierlich wäre, könnte dies zu unrealistischen Ergebnissen führen (Qualitätsstufen größer als 10 oder kleiner als 0). Die Qualitätsstufe auf eine den subjektiven Bewertungen entsprechende Ordinalzahl zu setzen, würde die Sache nicht besser machen, da in beiden Fällen noch eine Grenze zwischen hochwertigen und minderwertigen Weinen ermittelt werden müsste. Ein einzelnes binäres ordinales Qualitätsniveau wäre wahrscheinlich besser für Händler, wenn die meisten Händler ein breites Sortiment an Weinen von besserer Qualität auf Lager haben möchten. Da die subjektive Qualitätsbewertung sowohl für Rot- als auch für Weißweine einen Medianwert von 6 hatte, wurde eine Qualitätsstufe als hoch gewählt, wenn die subjektive Bewertungsnote gleich oder größer als 6 war, und als niedrig, wenn die subjektive Bewertungsnote unter 6 lag. Die linke ist die Rotweinqualitätsstufe und die rechte die Weißweinqualitätsstufe.
(3) Erkennen und Behandeln von Ausreißern
Die Ausreißer oder Extremwerte im Datensatz können die Analyse der restlichen Daten beeinflussen. Das Ergebnis von Explore Outliers in JMP zeigt, dass die beiden Datensätze einige Extremwerte enthalten, von denen die meisten in Restzucker, Chloriden und Sulfaten konzentriert sind. Außerdem lokalisiert die robuste Analysefunktion „extreme“ Zeilen weiter. Im Rotwein beträgt die Chloridkonzentration in den Zeilen 152 und 259 0,61 und 0,611, was viel höher ist als die Werte in den anderen Zeilen. Die Weinforschung hat gezeigt, dass das Chlorid die Gesundheit des Menschen schädigen kann, und viele Länder haben Obergrenzen für die Menge an Chloriden festgelegt. Beispielsweise beträgt in Australien der maximal zulässige Chloridgehalt 607 mg/L, der in diesem Projekt als Chlorid-Grenzwert festgelegt wird. Außerdem gibt es einige andere gesetzliche Grenzen. Die Liste ist wie folgt.
(4) Umgang mit fehlendem Wert
Fehlender Wert tritt auf, wenn keine Daten in Beobachtungen gespeichert sind. Fehlende Werte des Funktions-Explorers zeigt, dass in Rot- und Weißwein-Datensätzen keine fehlenden Werte vorhanden sind.
(5) Datenreduktion
Einige Variablen könnten ähnliche Informationen enthalten, und ihre Einbeziehung könnte das Modell unnötig komplex machen und vielleicht sogar die Interpretation erschweren oder verwirren. Vor dem Erstellen des Modells ist es notwendig, alle Variablen auszuschließen, die dieselben Informationen wie eine andere Variable enthalten. Die multivariate Funktion in JMP identifiziert Beziehungen zwischen abhängigen Variablen.In diesem Projekt sollen zwei Variablen potenzielle Überlappungsinformationen enthalten, wenn der Korrelationswert zwischen ihnen größer als 0,6 ist. Dann ist professionelles Wissen erforderlich, um die Annahme zu bestätigen.
Hauptkomponentenanalyse
Eine weitere Methode zur Reduzierung der Überlappungsinformationen zwischen Variablen ist die Hauptkomponentenanalyse, die die Überlappung von Informationen zwischen Variablen entfernen, die Redundanz des Modells verringern und es einer kleineren Anzahl von Variablen ermöglichen kann, eine große Menge an Informationen darzustellen. Die PCA-Funktion in JMP erstellt Hauptkomponenten, die die meisten Informationen des Datensatzes mit weniger Variablen enthalten. Generell sollten Hauptkomponenten gewählt werden, deren Eigenwert größer 1 ist. Allerdings sollten die ersten sieben Hauptkomponenten in Rot und Weiß verwendet werden, da sie ungefähr 90 Prozent der Informationen enthalten.
e. Überwachtes Lernen – Klassifizierungsmodell
In diesem Projekt wurden logistische Regression, Entscheidungsbaum, Bootstrap-Baum und Wald sowie neuronale Netze verwendet, um ein Modell zu erstellen.
(1) Logistische Regression
Die logistische Regression kann im Modell verwendet werden, wenn die Ergebnisvariablen ordinal oder nominal sind, und diese Methode wird häufig verwendet, insbesondere wenn ein Strukturmodell erklären oder vorhersagen soll. Da es bei dieser Weinanalyse darum geht, zu sehen, ob der Wein qualitativ hochwertig oder minderwertig ist, ist die logistische Regression eine der besten Methoden. Die Fit Model-Funktion in JMP könnte einen Bericht des Modells liefern. Dann werden Variablen, deren p-Wert größer als 0,05 ist, aus dem Modell entfernt, wenn die Fehlklassifikationsrate nicht beeinflusst wird. Außerdem könnte die schrittweise Funktion im Anpassungsmodell verwendet werden, um die beste Variablenauswahl mit maximaler R-Quadrat-Validierung zu finden.
(2) Entscheidungsbaum (Partition)
Bei der Entscheidungsbaummethode werden nicht transformierte Variablen in die Partitionsfunktion eingegeben, da jede monotone Transformation der Variablen denselben Baum ergibt. Die Go-Taste in der Partition-Funktion kann verwendet werden, um automatisch die besten Splits zu finden. Daher ist der beste Split für Rotwein das 8-fache und für Weißwein das 14-fache. Basierend auf der Split-Historie kann der Wert von R-Quadrat jedoch ähnlich sein, wenn wir die Anzahl der Splits auf 6 bzw. 8 reduzieren. Diese Methode kann die Komplexität des Modells verringern, ohne seine Genauigkeit zu beeinträchtigen.
(3) Bootstrap-Baum und Bootstrap-Wald
Wie die Entscheidungsbaummethode kann JMP das Ergebnis des gebooteten Baums und des gebooteten Gesamtstrukturmodells melden, wenn Variablen in die Funktion eingegeben werden. Um zu verhindern, dass das Waldmodell zu komplex wird, reduzieren wir die maximale Zwischenzeit von 2000 auf 25.
(4) Neuronale Netze
Der Vorteil neuronaler Netze ist ihr Potenzial, eine hohe Vorhersageleistung zu liefern. Ihre Struktur unterstützt die Erfassung sehr komplexer Beziehungen zwischen Prädiktoren und einer Antwort, was mit anderen Vorhersagemodellen oft nicht möglich ist. Aber Eingangsvariablen des neuronalen Netzes müssen vorab ausgewählt werden, da das neuronale Netz Variablen nicht selbst auswählen kann. Der übliche Ansatz, um das leistungsstärkste neuronale Netzwerk zu finden, besteht darin, mit einem sehr einfachen neuronalen Standardmodell mit einer Schicht und drei Knoten zu beginnen, dann ein komplexeres Modell mit zwei Schichten, mehreren Knoten und verschiedenen Aktivierungsfunktionen zu erstellen und diesen Prozess fortzusetzen bis zufriedenstellende Vorhersagen vorliegen.
f. Ergebnisse & Zugang
Die Vergleichsmatrix zeigt, dass das Entropie-R-Quadrat und das verallgemeinerte R-Quadrat des verstärkten Waldes am höchsten und der RMSE und die Fehlklassifizierungsrate am niedrigsten sind. Außerdem ist die Genauigkeit von Booted Forest auch die höchste. Die logistische Regression wird jedoch als das beste Modell gewählt, obwohl nicht jeder Parameter der beste ist. Der Parameter ist nah an dem anderer Modelle. Darüber hinaus ist das logistische Modell einfach und die Prädiktoren sind leicht zu interpretieren. Als Ergebnis gelten die logistischen Regressionsmodelle von Rot und Weiß als das beste Modell.
3. Schlussfolgerungen und Empfehlungen
Im Rotwein haben Alkohol, Restzucker, Sulfate und Gesamtschwefeldioxid eine positive Beziehung zu hoher Qualität, während feste Säure und flüchtige Säure eine negative Beziehung zu hoher Qualität haben. Bei Weißwein haben Alkohol und Sulfat eine positive Beziehung zu hoher Qualität, während flüchtige Säure, Zitronensäure und Gesamtschwefeldioxid eine geringe Beziehung zu hoher Qualität haben. Die Modellformeln sind wie folgt. Der linke ist der Rotwein, während der rechte der Weißwein ist. (Hinweis: Die Formel gilt für niedrige Qualität)
Säure
Säuren sind eines der 4 grundlegenden Merkmale im Wein und verleihen dem Wein einen herben und sauren Geschmack. Die Säure verleiht dem Wein ein Gefühl von Vitalität und Erfrischung und macht auch den Geschmack des Weins deutlicher. Säure hat eine appetitanregende Wirkung, also möchte man noch eine Tasse trinken. Auf niedrigen Niveaus trägt es zur Komplexität des Geschmacks bei, aber auf hohen Niveaus führt es dazu, dass der Wein verdirbt.
TOTOL SCHWEFELDIOXID UND SULPHATE
Sulfite konservieren Wein und verlangsamen chemische Reaktionen, die dazu führen, dass der Wein schlecht wird. Stoppen Sie das Wachstum von Bakterien und Hefen und bewahren Sie den frischen Geschmack des Weins. Der hohe Schwefeldioxidgehalt erzeugt jedoch einen unangenehmen Geruch wie ein faules Ei, der nach dem Trinken gesundheitliche Probleme verursachen kann.
RESTZUCKER
Restzucker (oder RS) stammt aus natürlichem Traubenzucker, der nach Abschluss der alkoholischen Gärung in einem Wein übrig bleibt.Es kann eine von 4 grundlegenden Eigenschaften im Wein verbessern, die Süße.
ALKOHOL
Alkohol ist auch eines von 4 grundlegenden Merkmalen. Es kann den Lymphfluss verbessern und äußert sich oft in einem brennenden Gefühl im Zungengrund und im Rachen.
Empfehlungen für die Herstellung
Bei Weißwein ist es gut, den Gehalt an flüchtiger Säure zu kontrollieren, die feste Säure zu verringern, weniger Restzucker hinzuzufügen, sowohl Schwefeldioxid als auch Sulfat zu erhöhen und die Alkoholkonzentration innerhalb der richtigen Grenze zu erhöhen. Bei Rotwein ist es gut, den Gehalt an flüchtiger Säure zu kontrollieren, den Zitronensäuregehalt im Rotwein zu verringern, das Gesamtschwefeldioxid zu halten oder sogar zu reduzieren, mehr Sulfat hinzuzufügen und die Alkoholkonzentration innerhalb der richtigen Grenze zu erhöhen.
Empfehlungen für Verbraucher
Farbe, Alkohol, Geruch sind ein gutes Signal für die Qualität des Weines.Wählen Sie den Wein mit heller Farbe. Je dunkler die Farbe, desto höher der Säuregehalt. Aber die Säure hat eine negative Beziehung zum Qualitätsniveau.Riechen Sie am Korken, bevor Sie ihn kaufen. Der Geruch nach faulen Eiern bedeutet, dass der Wein ungesund ist, insbesondere für Rotwein.Wählen Sie den Wein mit höherem Alkoholgehalt, wenn Sie dies akzeptieren können.
Bezug
Coli, Marina Sonegheti, et al. "Chloridkonzentration in Rotweinen: Einfluss von Terroir und Traubentyp." Lebensmittelwissenschaft und -technologie (Campinas) , Bd. 35, Nr. 1, 2015, S. 95-99., doi:10.1590/1678-457x.6493.
< http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-20612015000100095 >
Almeida, PJ, et al. "Freies Schwefeldioxid in Bier als Unterschied zwischen Gesamtschwefeldioxid und Acetaldehyd: Ein voltammetrischer Ansatz." Zeitschrift der American Society of Brewing Chemists , Bd. 61, Nr. 4, 2003, S. 191-195., doi:10:1094/asbcj-61-0191.
< https://www.tandfonline.com/doi/abs/10.1094/ASBCJ-61-0191?journalCode=ujbc20& >
