《机器学习Python实战》课件 15-项目7 项目拓展 决策树模型在葡萄酒质量预测中的应用.pptxVIP

?机器学习?项目7项目拓展——决策树模型在葡萄酒质量预测中的应用

17.3决策树模型在葡萄酒质量预测中的应用目录CONTENTS

017.3决策树模型在葡萄酒质量预测中的应用

决策树模型在葡萄酒质量预测中的应用1.背景与目标?在葡萄酒的生产与流通环节中，品质判定长期依赖专业品酒师的感官评价，存在主观性强、成本高、时效低等痛点?随着理化检测技术的普及，酒厂已积累大量理化指标数据，亟须构建客观、可解释的质量预测模型?模型用于指导葡萄选育、发酵工艺优化及产品分级?本任务基于公开的wine数据集，采用决策树分类算法，建立“理化指标→质量等级”的可解释映射，实现新酒样的快速定级与关键质量因子识别任务目标根据理化指标（如酸度、糖分、酒精度等）建立决策树分类模型，预测葡萄酒的质量等级，并分析哪些因素对葡萄酒质量影响最大

决策树模型在葡萄酒质量预测中的应用2.葡萄酒质量预测模型演进人工感官评分传统评价以人工感官评分为标准，主观偏差大、重复性高→线性回归将酸度、酒精度等连续变量直接映射到评分；忽略了多指标交互的非线性事实，且连续输出与3～8级离散分级不符集成模型随机森林、XGBoost等虽能提升精度，却丧失业务可解释性，酒厂无法据此调整工艺参数决策树无须变量标准化、可自动捕获阈值效应，成为连接“数据科学”与“酿造工艺”的桥梁模型演进主线：从“主观评价”走向“客观