基于數(shù)據(jù)挖掘的葡萄酒質(zhì)量識別.pdf

1、隨著我國葡萄酒業(yè)的逐步發(fā)展,葡萄酒生產(chǎn)企業(yè)的規(guī)模和數(shù)量不斷擴大。但中國的葡萄酒業(yè)仍面臨著進(jìn)口酒的激烈競爭以及質(zhì)量檢測體系不明確帶來的市場紊亂。針對這些問題,本文分析了葡萄酒質(zhì)量人工品嘗存在的不足,并提出了如何提高基于數(shù)據(jù)挖掘技術(shù)的葡萄酒質(zhì)量等級的識別率,對中國葡萄酒市場的穩(wěn)定發(fā)展以及更好地釀造出高質(zhì)量的葡萄酒有著實際的應(yīng)用價值。
　　 在數(shù)據(jù)挖掘中,經(jīng)常會遇到不平衡數(shù)據(jù)的分析。相對于多數(shù)類來說,少數(shù)類樣本對準(zhǔn)確率的影響力小,這意

2、味著對所有樣本進(jìn)行分類,可以在不識別出任何少數(shù)類樣本的情況下得到很高的正確率,識別少數(shù)類的分類規(guī)則也就被忽略了。本文的創(chuàng)新點在于從不平衡樣本中提取平衡樣本進(jìn)行建模并對測試樣本預(yù)測,進(jìn)行多次的循環(huán),得到多次的預(yù)測結(jié)果,選擇次數(shù)出現(xiàn)最多的預(yù)測結(jié)果作為最終的預(yù)測結(jié)果,大大提高了低質(zhì)量葡萄酒的識別率。
　　 基于此抽樣建模方法,本文首先對判別分析、支持向量機、分類回歸樹以及隨機森林在葡萄酒質(zhì)量識別能力進(jìn)行了比較分析,其中隨機森林的預(yù)測效

3、果最好,整體識別率以及低質(zhì)量葡萄酒識別率最高,且模型較為穩(wěn)定；其次,采用隨機森林確定變量重要性,變量重要性排序結(jié)果發(fā)現(xiàn),硫酸鉀和酒精的重要性最高,硫酸鉀和酒精的含量增加,更容易使得此種葡萄酒質(zhì)量的提升,為釀造師釀造出更好的葡萄酒提供重要的信息；最后,本文將異常點的檢測方法應(yīng)用于進(jìn)口酒的低質(zhì)量葡萄酒的檢測,遺憾的是,低質(zhì)量葡萄酒的識別程度有限,僅識別出30％左右的低質(zhì)量葡萄酒樣本,只能輔助低質(zhì)量葡萄酒的識別,實證結(jié)果表明,基于異常樣本的低