레벨: 초심자
와이 ongxin Cui, 학생, 비즈니스 분석 및 프로젝트 관리 프로그램, University of Connecticut School of Business
Tianhao Zhao, 학생, 비즈니스 분석 및 프로젝트 관리 프로그램, University of Connecticut School of Business
Xinyin Miao, 학생, 비즈니스 분석 및 프로젝트 관리 프로그램, University of Connecticut School of Business
1. 요약
안목 있는 와인 품질은 일반 대중에게 판매하는 와인 상인에게 특히 중요합니다. 왜냐하면 그들은 일반적으로 방대한 양의 와인 재고를 비축할 자원이 없고 그들의 재고에 점점 더 안목 있는 사람들을 만족시키는 고품질 와인이 포함되어 있는지 확인해야 하기 때문입니다. 대중의 입맛. 우리 팀은 JMP에서 사용할 수 있는 데이터 마이닝 도구를 사용하여 대중의 주관적인 평가인 와인의 품질을 11개의 설명 변수(와인 화학 측정 또는 이러한 측정에서 일반적으로 수행되는 계산으로 구성됨)에서 예측할 수 있는지 여부를 조사하기로 결정했습니다. 우리의 목표는 와이너리가 더 높은 품질의 와인을 생산하는 데 도움이 되는 가장 적은 수의 변수를 가진 검소한 모델이었습니다. 또한 우리 팀은 레드 와인과 화이트 와인의 차이를 분석합니다. 우리의 예비 결론은 레드 와인의 경우 4가지 변수(휘발성 산도, 총 이산화황, 황산염 및 알코올)가 고품질의 충분한 예측인자일 수 있는 반면, 화이트 와인의 경우 5가지 변수(고정 산도, 휘발성 산도, 잔류당, 황산염 및 알코올)가 충분하다는 것입니다. 알코올)은 고품질의 충분한 예측 변수가 될 수 있습니다.
2. 방법론
이 섹션에서는 SEMMA 방법을 사용하여 적포도주 및 백포도주 데이터 세트를 탐색합니다.
견본
적포도주와 백포도주 데이터 세트에는 모두 12개의 변수가 있습니다. 레드 와인 데이터 세트에는 1599개의 행이 있고 화이트 와인 데이터 세트에는 4898개의 행이 있습니다. 이 프로젝트의 경우 이러한 데이터 세트의 더 작은 샘플을 활용할 필요가 없었습니다. 둘 다 사용 가능한 컴퓨터 리소스로 처리할 수 있을 만큼 충분히 작고 중요한 정보를 포함할 수 있을 만큼 충분히 크기 때문입니다.
탐구하다
각 와인에 대해 데이터 세트에는 와인의 물리적 및 화학적 특성과 관련된 11개의 예측 변수와 와인 품질에 대한 주관적인 평가가 포함되어 있습니다. 측정 변수는 모두 연속적입니다.품질 등급 변수는 순서형이며 범위는 1(가장 낮은 품질)에서 10(가장 높은 품질)까지입니다. 예측 변수는 모두 와인의 물리적 또는 화학적 특성을 설명하는 연속 변수입니다. 처음에 밀도는 이산화황, 황산염 및 와인의 밀도에 영향을 미칠 수 있는 기타 화학 성분과 같은 일부 다른 변수와 강한 관계가 있다고 가정했습니다. 또한 JMP의 분포 함수 보고서에 따르면 각 예측 변수는 왼쪽으로 크게 치우친 잔여 설탕을 제외하고는 거의 정규 변수로 결정되었습니다. 필요한 경우 잔여 설탕은 분석에서 변환됩니다. 잔류 당과 염화물이 널리 퍼져 있는 분포는 이상값을 나타내거나 숨길 수도 있습니다.
수정하다
( 1) 불일치 및 명백한 오류 수정
두 데이터 세트에는 불일치와 명백한 오류가 없습니다.
(2) 데이터 유형 변경
이상적으로는 이 데이터가 목표인 "품질 수준"을 연속 변수로 결정합니다. 그러나 이것은 문제를 일으킬 수 있습니다. 이 품질 수준은 주관적 품질 등급에 해당하는 1에서 10 사이여야 합니다. 품질 수준이 연속적인 경우 비현실적인 결과가 발생할 수 있습니다(품질 수준이 10보다 크거나 0보다 작음). 품질 수준을 주관적 등급에 해당하는 서수로 만드는 것은 상황을 더 좋게 만들지 않을 것입니다. 두 경우 모두 고품질 와인과 낮은 품질 와인 사이의 컷오프가 여전히 결정되어야 하기 때문입니다. 대부분의 판매자가 더 나은 품질의 광범위한 와인을 비축하려는 경우 단일 이진 서수 품질 수준이 판매자에게 더 나을 것입니다. 적포도주와 백포도주에 대한 주관적 품질 평가는 중앙값이 6이므로 주관적 평가 점수가 6 이상인 경우 품질 수준을 높음, 주관적 평가 점수가 6 미만인 경우 품질 수준을 낮음으로 선택했습니다. 왼쪽은 레드 와인 품질 수준이고 오른쪽은 화이트 와인 품질 수준입니다.
(3) 이상값 감지 및 처리
데이터 세트의 이상값 또는 극단값은 나머지 데이터 분석에 영향을 줄 수 있습니다. JMP에서 이상값 탐색 결과는 두 데이터 세트에 일부 극단값이 포함되어 있으며 대부분 잔류 설탕, 염화물 및 황산염에 집중되어 있음을 나타냅니다. 또한 Robust Analysis 기능은 "극단적인" 행을 추가로 찾습니다. 레드 와인에서 152행과 259행의 염화물 농도는 0.61과 0.611로 다른 행의 값보다 훨씬 높습니다. 와인 연구에 따르면 염화물은 사람의 건강에 해를 끼칠 수 있으며 많은 국가에서 염화물의 양에 상한선을 설정했습니다. 예를 들어 호주에서 허용되는 최대 염화물 수준은 607mg/L이며 이 프로젝트에서 염화물 임계값으로 설정됩니다. 또한 다른 법적 제한이 있습니다. 목록은 아래와 같습니다.
(4) 결측치 처리
누락된 값은 관찰에 데이터가 저장되지 않을 때 발생합니다. 함수 탐색기 누락된 값은 적포도주 및 백포도주 데이터 세트에 누락된 값이 없음을 보여줍니다.
(5) 데이터 축소
일부 변수는 유사한 정보를 포함할 수 있으며 이러한 정보를 포함하면 모델에 불필요한 복잡성이 발생할 수 있으며 해석이 더 어렵거나 혼란스러울 수도 있습니다. 모델을 만들기 전에 다른 변수와 동일한 정보를 담고 있는 변수는 제외시켜야 한다. JMP의 다변량 함수는 종속 변수 간의 관계를 식별합니다.이 프로젝트에서 두 변수 사이의 상관관계 값이 0.6보다 큰 경우 두 변수는 잠재적인 겹침 정보를 포함한다고 가정합니다. 그런 다음 가정을 확인하려면 전문 지식이 필요합니다.
주성분 분석
변수 간 중복 정보를 줄이는 또 다른 방법은 주성분 분석으로, 변수 간 정보 중복을 제거하고 모델의 중복성을 줄이며 적은 수의 변수로 막대한 양의 정보를 표현할 수 있습니다. JMP의 PCA 함수는 더 적은 변수로 데이터셋의 대부분의 정보를 포함하는 주성분을 생성합니다. 일반적으로 고유값이 1보다 큰 주성분을 선택해야 합니다. 그러나 빨간색과 흰색의 처음 7개 주성분은 정보의 약 90%를 포함하므로 사용되어야 합니다.
이자형. 감독 학습 - 분류 모델
이 프로젝트에서는 로지스틱 회귀, 의사 결정 트리, 부트스트랩 트리 및 포리스트, 신경망을 사용하여 모델을 만들었습니다.
(1) 로지스틱 회귀
로지스틱 회귀는 결과 변수가 순서형 또는 명목형인 모델에서 사용할 수 있으며 이 방법은 특히 구조 모델이 설명하거나 예측하려는 경우 널리 사용됩니다. 이 와인 분석의 목표는 와인의 품질이 높은지 낮은지 확인하는 것이므로 로지스틱 회귀는 사용하기에 가장 좋은 방법 중 하나입니다. JMP의 모형 적합 기능은 모형에 대한 보고서를 제공할 수 있습니다. 그런 다음 오분류율에 영향을 미치지 않으면 p-값이 0.05보다 큰 변수는 모델에서 제거됩니다. 또한 적합 모델의 단계적 함수를 사용하여 최대 R-제곱 검증으로 최상의 변수 선택을 찾을 수 있습니다.
(2) 결정 트리(파티션)
결정 트리 방법의 경우 변수의 모든 단조로운 변환은 동일한 트리를 제공하기 때문에 변환되지 않은 변수는 분할 함수에 입력됩니다. 파티션 기능의 이동 버튼을 사용하여 최상의 분할을 자동으로 찾을 수 있습니다. 결과적으로 레드 와인은 8번, 화이트 와인은 14번이 최적의 분할입니다. 그러나 분할 이력을 기준으로 분할 수를 각각 6과 8로 줄이면 R-제곱 값이 비슷해질 수 있습니다. 이 방법은 정확도에 영향을 주지 않고 모델의 복잡성을 줄일 수 있습니다.
(3) 부트스트랩 트리 및 부트스트랩 포리스트
Decision Tree Method와 마찬가지로 JMP는 함수에 변수가 입력되면 Booted Tree 및 Booted Forest 모델의 결과를 보고할 수 있습니다. 중요한 것은 삼림 모델이 너무 복잡해지는 것을 방지하기 위해 최대 분할 시간을 2000에서 25로 줄인다는 것입니다.
(4) 신경망
신경망의 장점은 높은 예측 성능을 제공할 수 있는 잠재력입니다. 그들의 구조는 다른 예측 모델에서는 불가능한 경우가 많은 예측 변수와 응답 간의 매우 복잡한 관계 캡처를 지원합니다. 그러나 신경망은 자체적으로 변수를 선택할 수 없기 때문에 신경망 입력 변수를 미리 선택해야 합니다. 가장 성능이 좋은 신경망을 찾는 일반적인 접근 방식은 하나의 레이어와 세 개의 노드가 있는 매우 간단한 기본 신경 모델로 시작한 다음 두 개의 레이어, 여러 노드 및 다른 활성화 함수가 있는 더 복잡한 모델을 구축하고 이 프로세스를 계속하는 것입니다. 만족스러운 예측이 나올 때까지
에프. 결과 및 액세스
비교 행렬은 Boosted Forest의 Entropy R-Square와 Generalized R-Square가 가장 높고 RMSE와 오분류율이 가장 낮다는 것을 나타냅니다. 또한 Booted Forest의 정확도도 가장 높습니다. 그러나 로지스틱 회귀는 각 매개 변수가 최고가 아님에도 불구하고 최상의 모델로 선택됩니다. 매개변수는 다른 모델의 매개변수에 가깝습니다. 또한 로지스틱 모델이 단순하고 예측 변수를 해석하기 쉽습니다. 결과적으로 빨간색과 흰색의 로지스틱 회귀 모델이 가장 좋은 모델이라고 가정합니다.
3. 결론 및 권고
레드 와인에서 알코올, 잔류당, 황산염 및 총 이산화황은 고품질과 양의 관계를 갖는 반면, 고정 산도 및 휘발성 산도는 고품질과 음의 관계를 갖습니다. 화이트 와인에서 알코올 및 황산염은 고품질과 양의 관계가 있는 반면 휘발성 산도, 구연산 및 총 이산화황은 고품질과 낮은 관계가 있습니다. 모델 공식은 아래와 같습니다. 왼쪽이 레드와인, 오른쪽이 화이트와인. (참고: 공식은 낮은 품질을 위한 것임)
신맛
산은 와인의 4가지 기본 특성 중 하나이며 와인에 신맛과 신맛을 줍니다. 산도는 와인에 활력과 청량감을 더해주며 와인의 풍미를 더욱 돋보이게 합니다. 산은 식욕을 돋우는 효과가 있으므로 한 잔 더 마시고 싶습니다. 낮은 수준에서는 풍미의 복잡성을 더하지만 높은 수준에서는 와인을 상하게 합니다.
TOTOL 이산화황 및 황산염
아황산염은 와인을 보존하고 화학 반응을 느리게 하여 와인을 상하게 합니다. 박테리아와 효모가 자라는 것을 막아 와인의 신선한 맛을 유지합니다. 그러나 높은 이산화황 함량은 썩은 계란과 같은 불쾌한 냄새를 유발하여 음주 후 건강 문제를 일으킬 수 있습니다.
잔류 설탕
잔류당(또는 RS)은 알코올 발효가 끝난 후 와인에 남은 천연 포도당입니다.와인의 4가지 기본 특성 중 하나인 단맛을 개선할 수 있습니다.
술
알코올은 또한 4가지 기본 특성 중 하나입니다. 그것은 림프계를 개선할 수 있으며 종종 혀의 바닥과 목구멍에서 불타는 감각으로 나타납니다.
제조 권장 사항
화이트 와인은 휘발성 산도 관리, 고정 산도 낮추기, 잔류당 추가 줄이기, 이산화황과 황산염 모두 높이기, 적정한도 내에서 알코올 농도를 높이는 것이 좋다. 적포도주에서는 휘발성 산도 수준을 관리하고, 적포도주에서 구연산도를 낮추고, 총 이산화황을 유지하거나 낮추고, 황산염을 더 추가하고, 알코올 농도를 적정 한도 내로 높이는 것이 좋습니다.
소비자를 위한 권장 사항
색상, 알코올, 냄새는 와인의 품질에 대한 좋은 신호입니다.밝은 색상의 와인을 선택하십시오. 색상이 어두울수록 산도가 높습니다. 그러나 산도는 품질 수준과 음의 관계가 있습니다.그것을 사기 전에 코르크 냄새를 맡으십시오. 썩은 계란 냄새는 와인이 특히 적포도주에 건강에 해롭다는 것을 의미합니다.받아 들일 수 있다면 알코올 농도가 더 높은 와인을 선택하십시오.
참조
Coli, Marina Sonegheti, et al. "레드 와인의 염화물 농도: 테루아 및 포도 유형의 영향." 식품 과학 및 기술(캄피나스) , 권. 35, 아니. 1, 2015, pp. 95-99., doi:10.1590/1678-457x.6493.
< http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-20612015000100095 >
Almeida, PJ, 등. "총 이산화황과 아세트알데히드의 차이로 맥주에 함유된 유리 이산화황: 전압 전류 접근 방식." 미국 양조 화학자 협회 저널 , 권. 61, 아니. 4, 2003, pp. 191-195., doi:10:1094/asbcj-61-0191.
< https://www.tandfonline.com/doi/abs/10.1094/ASBCJ-61-0191?journalCode=ujbc20& >
