基于數(shù)據(jù)挖掘技術的葡萄酒品質預測研究.pdf

1、葡萄酒品質預測是葡萄酒生產過程中進行品質調優(yōu)控制的重要過程。由于葡萄酒樣本數(shù)據(jù)的品質類別多樣性和非平衡性，導致傳統(tǒng)的預測模型存在低品質類識別率低的問題。因此，研究一種準確快速的品質預測方法，可以有效提高低品質類的識別率，對于提高葡萄酒生產質量具有重要指導意義。
　　本文以UCI數(shù)據(jù)庫中的“Wine Quality”數(shù)據(jù)集為研究對象，以葡萄酒品質與理化指標之間存在復雜的非線性關系為研究基礎，采用多分類支持向量機（Support Ve

2、ctor Machine，SVM）算法和集成學習算法建立葡萄酒品質預測模型，以達到提升低品質類葡萄酒識別率的目標。主要工作為以下幾個方面：
　?。?）基于多分類支持向量機的葡萄酒品質預測方法的研究
　　針對葡萄酒品質數(shù)據(jù)類別多樣性的特點，在傳統(tǒng)多分類支持向量機的基礎上，提出了一種改進的多分類支持向量機算法。該算法在訓練過程中，優(yōu)先選擇樣本數(shù)量最多的一類與剩余類之間構造“一對多”SVM，然后從剩下的類中選取一個次多類重復上述過

3、程，直到剩余兩類之間構造“一對一”SVM。與傳統(tǒng)的多分類支持向量機相比，不僅減少了一對一方法產生的決策平面數(shù)量，而且解決了一對多方法造成的非平衡問題，可以有效地減少訓練時間，提高預測精度。
　?。?）基于集成多分類支持向量機葡萄酒品質預測方法的研究
　　為提高改進的多分類支持向量機算法對低品質類的識別率，結合集成學習的思想，探討了一種AdaBoost集成多分類支持向量機的品質預測方法。在模型訓練過程中，利用AdaBoost動

4、態(tài)調整樣本權值的方式，提高低品質類樣本的關注度，能夠在保證整體預測性能的同時，顯著提高低品質類的識別率。
　?。?）葡萄酒品質預測仿真模型的構建與評估
　　結合實際應用，在 PyCharm開發(fā)平臺下，構建葡萄酒品質預測模型。以Wine Quality數(shù)據(jù)集為基礎，葡萄酒理化屬性作為模型輸入，感官結果作為模型輸出，分別構建多分類支持向量機葡萄酒品質預測模型和集成多分類支持向量機葡萄酒品質預測模型。為評估兩種預測模型的預測性能，