6.3 KiB

Raw Permalink Blame History

使用 Python 进行葡萄酒分类——简单易懂

原文：https://www.askpython.com/python/wine-classification

大家好！在本教程中，我们将学习如何根据 Python 编程语言中的各种特性对葡萄酒进行分类。

也可阅读:用 Python 分类服装图像——完全指南

葡萄酒分类介绍

这个星球上有许多葡萄酒，包括甜酒、起泡酒、开胃酒、流行酒、餐酒和陈年葡萄酒。

你可能想知道一个人如何知道哪种酒好，哪种不好。这个问题的答案是机器学习！

有许多葡萄酒分类方法可用。这里列出了其中的一些:

手推车
逻辑回归
随机森林
朴素贝叶斯
感觉
SVM
KNN

用 Python 实现葡萄酒分类

现在让我们进入 Python 中葡萄酒分类器的一个非常基本的实现。这将为您提供一个学习分类器如何工作以及如何在 Python 中为各种真实场景实现它们的起点。

1.导入模块

第一步是将所有必要的模块/库导入程序。分类所需的模块是一些基本模块，例如:

Numpy
熊猫
Matplotlib

下一步是将所有模型导入到 sklearn 库下的程序中。我们还将包括 sklearn 库中的一些其他函数。

加载的型号如下所示:

SVM
逻辑回归

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import svm
from sklearn import metrics
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix,accuracy_score
from sklearn.preprocessing import normalize

2.数据集准备

接下来，我们需要准备数据集。让我从介绍数据集开始，然后在我们的应用程序中导入相同的内容。

2.1 数据集简介

在数据集中，我们有 6497 个观察值和总共 12 个特征。任何变量都没有 NAN 值。你可以在这里轻松下载数据。

12 个功能的名称和描述如下:

固定酸度:葡萄酒中的酸度
挥发性酸度:葡萄酒中醋酸的含量
柠檬酸:葡萄酒中柠檬酸的含量
残余糖:发酵后的糖量
氯化物:葡萄酒中存在的盐的数量
游离二氧化硫:游离二氧化硫的量
总二氧化硫:游离和结合形式的二氧化硫量
密度:葡萄酒的密度(质量/体积)
pH 值:葡萄酒的 pH 值范围从 0-14
硫酸盐:葡萄酒中二氧化硫气体的含量
酒精:葡萄酒中的酒精含量
质量:提到的葡萄酒的最终质量

2.2 加载数据集

借助read_csv函数将数据集加载到程序中，并使用head函数显示数据集的前五行。

data=pd.read_csv("./wine_dataset.csv")
data.head()

Wine Classify Data First5

2.3 数据清理

数据集的清理包括借助下面提到的代码删除不必要的列和 NaN 值:

data=data.drop('Unnamed: 0',axis=1)
data.dropna()

2.4 数据可视化

一个重要的步骤是在进一步处理数据之前，首先将数据可视化。可视化以两种形式完成，

组织图表
Seaborn 图

绘制直方图

plt.style.use('dark_background')
colors=['blue','green','red','cyan','magenta','yellow','blue','green','red','magenta','cyan','yellow']
plt.figure(figsize=(20,50))
for i in range(1,13):
    plt.subplot(6,6,i)
    plt.hist(data[data.columns[i-1]],color=colors[i-1])
    plt.xlabel(data.columns[i-1])
plt.show()

我们将分别为每个特征绘制直方图。输出显示如下。

Wine Classify Histogram Plot

绘制海风

import seaborn as sns
plt.figure(figsize=(10,10))
correlations = data[data.columns].corr(method='pearson')
sns.heatmap(correlations, annot = True)
plt.show()

Seaborn 图用于显示数据集中不同要素之间的关系。

Wine Classify Seaborn Plot

2.5 训练测试分割和数据标准化

将数据拆分成训练和测试数据，不存在最优拆分百分比。

但公平的分割规则之一是 80/20 规则，其中 80%的数据用于训练数据，其余 20%用于测试数据。

这一步还包括规范化数据集。

split=int(0.8*data.shape[0])
print("Split of data is at: ",split)
print("\n-------AFTER SPLITTING-------")
train_data=data[:split]
test_data=data[split:]
print('Shape of train data:',train_data.shape)
print('Shape of train data:',test_data.shape)
print("\n----CREATING X AND Y TRAINING TESTING DATA----")
y_train=train_data['quality']
y_test=test_data['quality']
x_train=train_data.drop('quality',axis=1)
x_test=test_data.drop('quality',axis=1)
print('Shape of x train data:',x_train.shape)
print('Shape of y train data:',y_train.shape)
print('Shape of x test data:',x_test.shape)
print('Shape of y test data:',y_test.shape)

nor_train=normalize(x_train)
nor_test=normalize(x_test)

3.葡萄酒分类模型

在这个程序中，我们使用了两种算法，即 SVM 和逻辑回归。

3.1 支持向量机(SVM)算法

clf = svm.SVC(kernel='linear')
clf.fit(nor_train, y_train)
y_pred_svm = clf.predict(nor_test)
print("Accuracy (SVM) :",metrics.accuracy_score(y_test, y_pred_svm)*100)

模型的精度原来是在50%左右。

3.2 逻辑回归算法

logmodel = LogisticRegression()
logmodel.fit(nor_train, y_train)
y_pred_LR= logmodel.predict(nor_test)
print('Mean Absolute Error(Logistic Regression):', metrics.mean_absolute_error(y_test, y_pred_LR)*100)

在这种情况下，精度也在50%左右。这主要是因为我们使用/创建的模型。tensorflow 可用的高级模型有

结论

为了获得更高的精度，您也可以查看 tensorflow 模型！

快乐学习！😇

敬请关注更多此类教程！感谢您的阅读！

6.3 KiB Raw Permalink Blame History