머신러닝과 딥러닝을 사용한 Wine Quality 분류

소개글

"머신러닝과 딥러닝을 사용한 Wine Quality 분류"에 대한 내용입니다.

목차

없음

본문내용

분석을 진행하기 전에 각 변수의 특징을 파악 할 필요성이 제기된다.
설명 변수와 반응변수 항목 설명
fixed acidity : 고정(비휘발성) 산도: 와인과 관련된 대부분의 산
volatile acidity : 휘발성 산도: 와인에 함유된 아세트산의 양. 너무 높으면 불쾌한 식초 맛이 날 수 있음
citric acid : 구연산: 소량으로 발견되며, 와인에 풍미를 더할 수 있음
residual sugar : 잔여 당분: 발효가 멈춘 후 남은 설탕의 양으로 1g/L 미만의 와인은 드물며 45g/L 이상의 와인은 단맛으로 간주함
chlorides : 염소화물: 와인의 염분량
free sulfur dioxide : 유리 이산화황: 미생물의 성장과 와인의 산화를 방지함
total sulfur dioxide : 총 이산화황: 저농도에서는 대부분 맛이 나지 않으나 50ppm 이상의 농도에서 맛에서 뚜렷하게 나타남
density : 밀도: 알코올 및 당 함량에 따라 변함
pH : 산성 또는 염기성 정도. 0(매우 산성) ~ 14(매우 염기성). 대부분의 와인은 pH 3-4 사이임
sulphates : 황산염: 이산화황 농도에 기여할 수 있는 와인 첨가제. 항균 및 항산화제로 작용
alcohol : 와인의 알코올 함량 백분율
quality : 맛으로 평가된 와인의 품질 (score : 0 ~ 10 )

분석에 사용할 모듈과 패키지를 설치하고 , 분석에 방해가 되는 자료의 결측치의 개수를 확인 한다.
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
import seaborn as sns

from google.colab import drive
drive.mount('/content/drive')

wine = pd.read_csv('/content/winequality-white.csv')
wine.columns

wine.shape # 1번
wine.info() # 2번

참고 자료

없음