레벨: 초보자
Yongxin 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
와인 품질을 분별하는 것은 일반 대중에게 판매하는 와인 상인에게 특히 중요합니다. 왜냐하면 그들은 일반적으로 와인을 대량으로 재고할 자원이 없고, 점점 더 분별력 있는 일반 대중의 입맛을 만족시키는 고품질 와인이 재고에 포함되어야 하기 때문입니다. 저희 팀은 JMP에서 제공하는 데이터 마이닝 도구를 사용하여 와인의 품질, 즉 대중의 주관적 평가를 11가지 설명 변수(와인 화학 측정 또는 이러한 측정에서 일반적으로 수행되는 계산으로 구성됨)에서 예측할 수 있는지 조사하기로 했습니다. 저희의 목표는 와이너리가 더 높은 품질의 와인을 생산하는 데 도움이 되는 가장 적은 수의 변수를 포함하는 간결한 모델이었습니다. 게다가 저희 팀은 적포도주와 백포도주의 차이를 분석할 것입니다. 저희의 예비 결론은 적포도주의 경우 4가지 변수(휘발성 산도, 총 이산화황, 황산염 및 알코올)가 고품질의 충분한 예측 변수가 될 수 있는 반면, 백포도주의 경우 5가지 변수(고정 산도, 휘발성 산도, 잔류 당, 황산염 및 알코올)가 고품질의 충분한 예측 변수가 될 수 있다는 것입니다.
2. 방법론
이 섹션에서는 SEMMA 방법을 사용하여 적포도주와 백포도주 데이터 세트를 탐색합니다.
견본
레드 와인과 화이트 와인 데이터 세트는 모두 12개의 변수를 가지고 있습니다. 레드 와인 데이터 세트는 1599개의 행을 가지고 있고 화이트 와인 데이터 세트는 4898개의 행을 가지고 있습니다. 이 프로젝트에서는 두 데이터 세트 모두 사용 가능한 컴퓨터 리소스로 처리할 수 있을 만큼 작고 상당한 정보를 포함할 수 있을 만큼 크기 때문에 이러한 데이터 세트의 더 작은 샘플을 활용할 필요가 없었습니다.
탐구하다
각 와인에 대해 데이터 세트에는 와인의 물리적 및 화학적 특성과 관련된 11개의 예측 변수와 와인 품질에 대한 주관적 평가가 포함되어 있습니다. 측정 변수는 모두 연속형입니다. 품질 평가 변수는 순서형이며 1(최저 품질)에서 10(최고 품질)까지입니다. 예측 변수는 모두 와인의 물리적 또는 화학적 특성을 설명하는 연속형 변수입니다. 처음에는 밀도가 이산화황, 황산염 및 기타 화학 성분과 같은 다른 변수와 강력한 관계가 있는 것으로 여겨졌으며, 이는 와인의 밀도에 영향을 미칠 수 있습니다. 게다가 JMP의 분포 함수 보고서는 각 예측 변수가 잔류당을 제외하고는 거의 정규 분포를 따르는 것으로 결정되었음을 나타냅니다. 잔류당은 매우 좌측으로 치우쳐 있습니다. 필요한 경우 잔류당은 분석에서 변환됩니다. 잔류당과 염화물의 널리 퍼진 분포는 이상치를 나타내거나 숨길 수도 있습니다.
수정하다
(1) 불일치 사항 및 명백한 오류를 수정합니다.
두 데이터 세트에는 불일치나 명백한 오류가 없습니다.
(2) 데이터 유형 변경
이상적으로 이 데이터는 연속 변수로서 목표 "품질 수준"을 결정합니다. 하지만 이로 인해 문제가 발생할 수 있습니다. 이 품질 수준은 주관적 품질 평가에 대응하기 위해 1과 10 사이에 있어야 합니다. 품질 수준이 연속적이라면 비현실적인 결과(품질 수준이 10보다 크거나 0보다 작음)가 발생할 수 있습니다. 주관적 평가에 대응하는 순서형 품질 수준을 만드는 것은 두 경우 모두 고품질과 저품질 와인 간의 기준을 결정해야 하기 때문에 상황을 개선하지 못합니다. 대부분의 상인이 광범위한 고품질 와인을 비축하고자 한다면 단일 이진 순서형 품질 수준이 상인에게 더 나을 것입니다. 적포도주와 백포도주 모두에 대한 주관적 품질 평가의 중간값이 6이었기 때문에 주관적 평가 점수가 6 이상이면 품질 수준이 높고 주관적 평가 점수가 6 미만이면 품질 수준이 낮도록 선택되었습니다. 왼쪽은 적포도주 품질 수준이고 오른쪽은 백포도주 품질 수준입니다.
(3) 이상치 탐지 및 처리
데이터 세트의 이상치 또는 극단값은 나머지 데이터 분석에 영향을 미칠 수 있습니다. JMP에서 Explore Outliers의 결과는 두 데이터 세트에 일부 극단값이 포함되어 있으며, 대부분은 잔류 당, 염화물 및 황산염에 집중되어 있음을 나타냅니다. 또한, Robust Analysis 기능은 "극단" 행을 추가로 찾습니다. 레드 와인에서 152행과 259행의 염화물 농도는 각각 0.61과 0.611로 다른 행의 값보다 훨씬 높습니다. 와인 연구에 따르면 염화물은 사람의 건강에 해를 끼칠 수 있으며 많은 국가에서 염화물 양에 상한선을 정하고 있습니다. 예를 들어, 호주에서 허용되는 최대 염화물 수준은 607mg/L이며, 이 프로젝트에서 염화물 임계값으로 설정되었습니다. 또한, 몇 가지 다른 법적 제한이 있습니다. 목록은 아래와 같습니다.
(4) 누락된 값 처리
누락된 값은 관측치에 데이터가 저장되지 않은 경우 발생합니다. 함수 탐색기 누락된 값은 적포도주와 백포도주 데이터 세트에 누락된 값이 없음을 보여줍니다.
(5) 데이터 축소
일부 변수는 유사한 정보를 포함할 수 있으며, 이를 포함하면 모델에 불필요한 복잡성이 도입될 수 있으며 해석이 더 어렵거나 혼란스러울 수도 있습니다. 모델을 만들기 전에 다른 변수와 동일한 정보를 포함하는 변수를 제외해야 합니다. JMP의 다변량 함수는 종속 변수 간의 관계를 식별합니다.이 프로젝트에서 두 변수는 상관관계 값이 0.6보다 큰 경우 잠재적인 중복 정보를 포함하는 것으로 가정합니다. 그런 다음 가정을 확인하려면 전문 지식이 필요합니다.
주성분 분석
변수 간의 중복 정보를 줄이는 또 다른 방법은 주성분 분석으로, 변수 간의 정보 중복을 제거하고 모델의 중복성을 줄이며 더 적은 수의 변수로 방대한 양의 정보를 표현할 수 있습니다. JMP의 PCA 함수는 더 적은 변수로 데이터 세트의 가장 많은 정보를 포함하는 주성분을 만듭니다. 일반적으로 고유값이 1보다 큰 주성분을 선택해야 합니다. 그러나 빨간색과 흰색의 처음 7개 주성분은 정보의 약 90%를 포함하므로 사용해야 합니다.
e. 지도 학습 - 분류 모델
이 프로젝트에서는 로지스틱 회귀, 결정 트리, 부트스트랩 트리와 포레스트, 신경망을 사용하여 모델을 만들었습니다.
(1) 로지스틱 회귀
로지스틱 회귀는 결과 변수가 순서형 또는 명목형인 모델에서 사용할 수 있으며, 이 방법은 널리 사용되며, 특히 구조 모델이 설명 또는 예측을 목적으로 하는 경우에 사용됩니다. 이 와인 분석의 목표는 와인의 품질이 좋은지 나쁜지 확인하는 것이므로, 로지스틱 회귀는 사용하기 가장 좋은 방법 중 하나입니다. JMP의 적합 모델 함수는 모델에 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 검증을 통해 최상의 변수 선택을 찾을 수 있습니다.
(2) 의사결정트리(파티션)
결정 트리 방법의 경우, 변환되지 않은 변수는 분할 함수에 입력됩니다. 변수의 단조로운 변환은 동일한 트리를 제공하기 때문입니다. 분할 함수의 go 버튼을 사용하여 최상의 분할을 자동으로 찾을 수 있습니다. 결과적으로 레드 와인의 최상의 분할은 8회이고 화이트 와인의 최상의 분할은 14회입니다. 그러나 분할 기록을 기준으로 분할 횟수를 각각 6회와 8회로 줄이면 R-제곱 값이 비슷할 수 있습니다. 이 방법은 정확도에 영향을 미치지 않고 모델의 복잡성을 줄일 수 있습니다.
(3) 부트스트랩 트리와 부트스트랩 포레스트
결정 트리 방식과 마찬가지로 JMP는 함수에 변수가 입력되면 부팅 트리와 부팅 포레스트 모델의 결과를 보고할 수 있습니다. 중요한 점은 포레스트 모델이 너무 복잡해지는 것을 방지하기 위해 최대 분할 시간을 2000에서 25로 줄였습니다.
(4) 신경망
신경망의 장점은 높은 예측 성능을 제공할 수 있는 잠재력입니다. 신경망의 구조는 예측 변수와 응답 간의 매우 복잡한 관계를 포착하는 것을 지원하는데, 이는 다른 예측 모델에서는 종종 불가능합니다. 그러나 신경망 입력 변수는 신경망이 스스로 변수를 선택할 수 없기 때문에 미리 선택해야 합니다. 가장 성능이 좋은 신경망을 찾는 일반적인 접근 방식은 1개의 레이어와 3개의 노드가 있는 매우 간단한 기본 신경 모델로 시작한 다음, 2개의 레이어, 여러 노드, 다른 활성화 함수가 있는 보다 복잡한 모델을 구축하고 만족스러운 예측을 얻을 때까지 이 프로세스를 계속하는 것입니다.
f. 결과 및 액세스
비교 행렬은 Boosted Forest의 Entropy R-Square와 Generalized R-Square가 가장 높고, RMSE와 오분류율이 가장 낮음을 나타냅니다. 또한 Booted Forest의 정확도도 가장 높습니다. 그러나 각 매개변수가 최고는 아니지만 로지스틱 회귀가 가장 좋은 모델로 선택되었습니다. 매개변수는 다른 모델의 매개변수와 비슷합니다. 더욱이 로지스틱 모델은 간단하고 예측 변수를 해석하기 쉽습니다. 결과적으로 빨간색과 흰색의 로지스틱 회귀 모델이 가장 좋은 모델이라고 여겨집니다.
3. 결론 및 권장 사항
레드와인에서 알코올, 잔류당, 황산염, 총 이산화황은 고품질과 양의 상관관계를 갖는 반면, 고정산도와 휘발성산도는 고품질과 음의 상관관계를 갖는다. 화이트와인에서 알코올, 황산염은 고품질과 양의 상관관계를 갖는 반면, 휘발성산도, 구연산, 총 이산화황은 고품질과 낮은 상관관계를 갖는다. 모델 공식은 아래와 같다. 왼쪽은 레드와인이고 오른쪽은 화이트와인이다. (참고: 공식은 저품질을 위한 것이다)
신맛
산은 와인의 4가지 기본 특성 중 하나이며 와인에 신맛과 신맛을 줍니다. 산도는 와인에 활력과 상쾌함을 더하고 와인의 풍미를 더 두드러지게 만듭니다. 산은 식욕을 돋우는 효과가 있으므로 한 잔 더 마시고 싶을 것입니다. 낮은 수준에서는 풍미의 복잡성을 더하지만 높은 수준에서는 와인이 상하게 합니다.
TOTOL 이산화황 및 황산염
아황산염은 와인을 보존하고 화학 반응을 늦춰 와인이 상하는 것을 방지합니다. 박테리아와 효모의 성장을 막아 와인의 신선한 맛을 유지합니다. 그러나 이산화황 함량이 높으면 썩은 달걀과 같은 불쾌한 냄새가 나며, 이는 마신 후 건강 문제를 일으킬 수 있습니다.
잔류 설탕
잔류당(또는 RS)은 알코올 발효가 끝난 후 와인에 남아 있는 천연 포도당입니다.이는 와인의 4가지 기본 특성 중 하나인 단맛을 향상시킬 수 있습니다.
술
알코올도 4가지 기본적 특성 중 하나입니다. 림프를 개선할 수 있으며 종종 혀 밑과 목구멍에서 타는 듯한 감각으로 나타납니다.
제조에 대한 권장 사항
화이트 와인의 경우 휘발성 산도 수준을 관리하고 고정 산도를 낮추고 잔류 당을 줄이고 이산화황과 황산염을 모두 늘리고 알코올 농도를 적절한 한계 내에서 높이는 것이 좋습니다. 레드 와인의 경우 휘발성 산도 수준을 관리하고 레드 와인의 구연산을 줄이고 총 이산화황을 유지하거나 줄이고 황산염을 더 추가하고 알코올 농도를 적절한 한계 내에서 높이는 것이 좋습니다.
소비자를 위한 추천
색상, 알코올, 냄새는 와인의 품질을 알려주는 좋은 신호입니다.밝은 색상의 와인을 선택하세요. 색상이 진할수록 산도가 높습니다. 하지만 산도는 품질 수준과 부정적인 관계가 있습니다.구매하기 전에 코르크 냄새를 맡아보세요. 썩은 달걀 냄새는 와인이 건강에 좋지 않다는 것을 의미하는데, 특히 레드 와인의 경우 더욱 그렇습니다.가능하다면 알코올 농도가 높은 와인을 선택하세요.
참조
Coli, Marina Sonegheti 외. "적포도주의 염화물 농도: 풍토와 포도 유형의 영향." 식품 과학 및 기술(캄피나스) , 제35권, 제1호, 2015년, 95-99쪽, doi:10.1590/1678-457x.6493.
< http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-20612015000100095 >
Almeida, PJ, et al. "총 이산화황과 아세트알데히드의 차이로서 맥주의 자유 이산화황: 전압전류법." 미국 양조화학자협회 저널 , 제61권, 제4호, 2003년, 191-195쪽, doi:10:1094/asbcj-61-0191.
< https://www.tandfonline.com/doi/abs/10.1094/ASBCJ-61-0191?journalCode=ujbc20& >
