150VМеждународная научно-практическая конференция
УДК 004
Титова Елизавета Михаловна Titova Elizaveta Michailovna
Студент Student
Ярославский государственный университет им П.Г. Демидова
P.G. Demidov Yaroslavl State University
АНАЛИЗ ОЦЕНКИ КАЧЕСТВА ВИНА НА ОСНОВЕ ДАННЫХ О ЕГО
ХИМИЧЕСКОМ СОСТАВЕ
ANALYSIS OF WINE QUALITY ASSESSMENT BASED ON DATA ON ITS
CHEMICAL COMPOSITION
Аннотация: В работе рассмотрена задача анализа оценки качества вина по данным о его химическом составе.
Abstract: The paper considers the problem of analyzing the assessment of the quality of wine based on data on its chemical composition.
Ключевые слова: Машинное обучение, прогнозирование, анализ данных, вино.
Key words: Machine learning, forecasting, data analysis, wine.
Введение
Для проверки качества вина проводятся различные химические тесты, выявляющие некоторые параметры вина. Компания-производитель португальских вин, соединила данные о химическом составе вина и вкусовые оценки вин от сомелье. Эти данные мы будем использовать для изучения взаимосвязи состава вина и его оценки, для проведения исследовательского анализа данных.
Постановка задачи
Необходимо провести исследовательский и статистический анализ данных о химических показателях вина и их взаимосвязи с оценкой. В рамках анализа требуется расшифровать химические признаки, провести очистку данных от
«Инновационные аспекты развития науки и техники» выбросов, визуализировать результат, произвести анализ средних и корреляционный анализ, сделать выводы.
Данные
Данные для исследования - это открытый датасет по оценкам красного вина и его химического состава от производителя Vinho verde [1]. В данных 11 химических признаков и оценка. Представленные признаки:
- Fixed acidity (фиксированная кислотность)
- Volatile acidity (летучая кислотность)
- Citric acid (лимонная кислота)
- Residual sugar (остаточный сахар)
- Chlorides (хлориды)
- Free sulfur dioxide (свободный диоксид серы)
- Total sulfur dioxide (суммарный диоксид серы)
- Density (плотность)
- pH
- Sulphates (сульфаты)
- Alcohol (спирт)
- Quality (оценка качества от 0 до 10)
Детализация признаков
Фиксированная кислотность обусловлена наличием нелетучих кислот в вине. Например, винная, лимонная или яблочная кислоты. Данный тип кислот участвует в сбалансированности вкуса вина, привносит свежесть вкусу.
Летучая кислотность обусловлена наличием летучих кислот в вине, например, таких как уксусная кислота.
Остаточный сахар - характеристика, показывающая количество сахара, который не был превращен в спирт в процессе ферментации вина. Участвует в сладости вкуса вина.
Диоксид серы (они же сульфиты) используются в виноделии в качестве безопасного антисептика. Сульфиты не дают вину скисать и потерять свои
VМеждународная научно-практическая конференция вкусовые качества. Присутствуют в вине в свободном виде (газообразном) и связанном виде (соединившись с водой).
Характеристика рН может выступать характеристикой цвета вина. Вина с высоким pH темнее и имеют фиолетовый оттенок цвета. Вина с низким pH светлее и имеют ярко-розовый и ярко-красный оттенок цвета.
Количество спирта характеризует крепость вина.
Изучение данных Первые 10 строк данных представлены на рисунке 1 (рис.1).
fixed! acidity volatile acidity citric acid residual sugar chlorides free sulfur dioxide total sulfur dioxide density pH sulphates alcohol qualify
7.4 О.'О о.оо ".9 0.070 Г.О 34.0 0.9978 3.51 0.56 = .4
0.S! о.оо 2.0 о.овз 25.0 07.0 ■0.9968 3.20 0.6В
7.: 0.76 о.о4 1П 0.092 "5.0 54.1 ■0.9970 3.26 0.05 9.!
11.2 0.;! 0.5с -.9 0.075 17.0 00.0 ■0.9980 3.16 0.52 9.8
7.4 0.т0 о.оо -.9 0.070 11.0 34.0 ■0.9978 3.51 0.» = .4
7.4 O.ei о.оо ".S 0.075 13.0 10.0 0.9978 3.51 0.5s 9.4
7J9 o.eo 0.06 1.0 0.069 "5.0 59.0 0.9964 3.30 0.46 9.4
7.1 o.es о.оо -.2 0.005 "5.0 21.0 0.9940 3.38 0.4Т 10.0
7.? 0.5S 0.Q2 2.0 O.D73 S.0 18.0 ■0.9968 3.2с 0.57 9.5
7.5 O.EO 0.]с G.1 ■".071 17.0 102.0 ■0.9978 3.25 о.во 10.5
Рис.1. Первые 10 строк данных
Всего строк 1599. Данные не имеют пропусков. Все типы данных корректны и являются числовыми (рис.2).
Rangelrdex: 1=95 entries^ 0 t: 15SB
Data columrs (total 12 columrs):
fixed scidity 1599 ПОГ ■ -null floatS4
volatile acidity 1599 ПОГ- -null floatS4
citric acid 1599 ПОГ- -null floatS4
"esidusl iigar 1599 П01- -null floatS4
chlorides 1599 ПОГ- -null floatS4
free ;L.Hur dioxide 1599 ПОГ- -null floatS4
total sulfir dioxide 1599 ПОГ- -null floatS4
density 1599 ПОГ- -null floatS4
pH 1599 ПОГ- -null floatS4
iulp-iates 1599 ПОТ- -null floatS4
alcciol 1599 ПОП- -null floatS4
quality 1599 ПОГ- -null irt£4
dtypes: ■floatG4(ll)J irt64(l)
memory usage: 153-,0 KB
Рис. 2. Типы данных и пропуски в данных
Ниже графически представлены данные описательной статистики признаков. (рис.3) Для каждого признака построен график распределения, а
«Инновационные аспекты развития науки и техники» также ящик с усами. Эти графики позволяют изучить распределение значений и визуально проверить данные на наличие выбросов.
Рис. 3. Графическое представление описательной статистики признаков.
VМеждународная научно-практическая конференция
График типа ящик с усами показывает, что почти у каждого признака есть
выбросы. Однако, после попытки удаления выбросов, полностью удалились вина с оценками 3 и 8. Это произошло из-за несбалансированности выборки. В итоге, было принято решение оставить выбросы, хотя это может негативно сказаться на качестве статистического анализа.
Исследование средних
Для подсчета средних все признаки были сгруппированы по столбцу quality с применением функции mean (среднее). Результаты подсчета средних были визуализированы в виде точечного графика (рис.4). Точечный график представляет собой оценку центральной тенденции для числовой переменной и обеспечивает некоторую индикацию неопределенности вокруг этой оценки с использованием полос ошибок.
При помощи графика отслеживается некоторая тенденция в изменении средних с ростом или падением оценки.
Выводы
С уменьшением количества летучей кислотности средняя оценка увеличивается.
С увеличением количества лимонной кислоты средняя оценка увеличивается. При этом у фиксированной кислоты, в которую входит лимонная такая тенденция не сильно выражена.
С уменьшением количества хлоридов средняя оценка увеличивается.
С уменьшением плотности средняя оценка увеличивается.
С уменьшением числа ph средняя оценка увеличивается.
С увеличением количества сульфатов оценка увеличивается.
С увеличением количества алкоголя средняя оценка увеличивается. Более алкогольные вина имеют более высокие оценки.
Корреляционный анализ
Корреляционный анализ производился по формуле рангов Спирмена, т.к. результирующий показатель quality - это ранговая переменная. Результаты анализа представлены на рисунке ниже (рис.5).
«Инновационные аспекты развития науки и техники»
VМеждународная научно-практическая конференция
Рис. 4. Визуализация средних значений признаков, сгруппированных
по оценке
residual sugar
free sulfur ¡dlioxidle -
total sulfur dioxide -
density -
sulphates -
quality -
100 -0.2В 0.66 0.22 0.25 -0.13 -0.09 -0.71 С'. 21 -0.07 0.11
-0.28 IOS -0.61 0.03 016 0.02 0.09 -0.33 -0.22 -0.38
0.66 -0.61 юс 0.1В 0.11 -0.08 0.35 -0.55 0.33 С'. 10 0.21
0.22 0.03 С. IB 100 0.21 0.42 4).09 0.0-1 0.12 0.03
0.25 0.16 0.11 0.21 10S 0.00 013 0.41 -0.23 0.02 -0.28 4).19
-0.13 0.02 -0.08 0.07 ООО LOO 0.79 -0.04 С'. 12 0.05 -0.08 -0.06
-0.09 0.05 0.01 0.15 0.13 0.79 100 013 -0.00 -0.26 -0.20
0.61 0.03 0.35 0.42 0.41 -0.04 1 ОС -0.31 0 16 -0.46 -0.13
■ -0.71 0.23 -0.53 -0.09 -0.23 -0.31 100 -0.08 0.1В -0.04
0.21 -0.33 С. 33 0.05 -0.00 0.16 -0.08 ЮС 0.21 0.3В
-0.07 -0.22 0.10 -0.28 -0.08 -0.26 -0.46 0.1В 0.21 ЮС 0.48
0.11 -0.38 0.21 0.03 -0.19 -0.06 -0.20 -0.18 -0.04 о.за 0.4В 103
&
vt С
-s
0.0 0.3
My Colorbar
Рис. 5. Результаты корреляционного анализа
«Инновационные аспекты развития науки и техники» Некоторые признаки имеют достаточно высокий показатель корреляции, т.к. один признак - это часть другого. Например, фиксированная кислотность и количество лимонной кислоты. Лимонная кислота - это нелетучая кислота, которая по-видимому просто вынесена в отдельный столбец. Также уровень ph и фиксированная кислотность имеют высокую корреляцию. Учитывая, что по определению ph - это мера кислот в растворе, высокая корреляция между этими признаками логична. Количество диоксида серы в свободном состоянии и общее количество диоксида серы также коррелируют, т.к. свободное (газообразное) состояние - это часть общего количества диоксида серы в вине. Остаточный сахар, кислотность и алкоголь имеют средний показатель корреляции с плотностью, вероятно из-за того, что концентрация кислот и сахара делает вино более плотным, а концентрация спирта - менее плотным.
Оценка силы связи между переменной оценки вина (quality) и химическим составом вынесена на отдельный график ниже (рис.6).
fixed acidity - 0.11
volatile acidity - -0.38
citric acid residual sugar -
0.03
chlorides - -0.19 free sulfur dioxide - -0.06
-0.04
total sulfur dioxide - -0.20
density - -0.13
PH-
sulplhates
alcohol
quality -|
quality
-100 0.75 0.50 h 0.25 0.00 -0.2Б
Рис. 6. Корреляция химических признаков с оценкой.
VМеждународная научно-практическая конференция
Выводы
Очень слабая положительная корреляция между оценкой наблюдается у признаков fixed acidity и citric acid. С увеличением признака увеличивается оценка.
Очень слабая отрицательная корреляция между оценкой наблюдается у признаков clorides, total sulfur dioxide, density. С уменьшением признака уменьшается оценка.
Слабая положительная корреляция между оценкой наблюдается у признаков sulphates и alchohol. С увеличением признака увеличивается оценка.
Слабая отрицательная корреляция между оценкой наблюдается у признака volatile acidity. С уменьшением признака уменьшается оценка.
Корреляция между оценкой близка нулю у признаков regular sugar, free sulfur dioxide, ph. Признаки независимы от оценки.
При проверке гипотезы о незначимости значения корреляции, несмотря на в целом низкие показатели корреляции, незначимыми оказались лишь 3 признака: residual sugar, free sulfur dioxide, ph.
Библиографический список:
1. P. Cortez, A. Cerdeira, F. Almeida, T. Matos and J. Reis.
2. Modeling wine preferences by data mining from physicochemical properties. In Decision Support Systems, Elsevier, 47(4):547-553, 2009.
