如何在网上选到一瓶心仪的红酒？通过文本分析预测葡萄酒的质量

大数据文摘作品

编译：高延

爱酒人士应该都知道，选红酒是个需要大量知识储备的技术活——产地、年份、包装、饮用场合，每个元素的变化都会对口感产生一定的影响。

Towards Data Science上一位作者（同时也是轻度葡萄酒饮用者）用一组Kaggle的数据集撰写了一个可以帮忙在网上选红酒的AI小程序。

该数据中包含对葡萄酒的评论，葡萄酒评级（以分数衡量），以及从WineEnthusiasts网站提取的其他相关信息。他通过训练一个机器学习模型，实现了根据基于文本分析预测葡萄酒质量。

数据集按照日期被划分为两组数据文件。一组作为训练集，把一组作为测试集。

以下是整个训练过程，一起看看。

目标：训练一个机器学习模型，实现基于文本分析的葡萄酒质量预测

WineEnthusiast的用户会对葡萄酒评分，1表示最差，100表示最好。不幸的是，传到网站上的都是正面评论，所以数据集里分数值只分布在80-100之间。

这意味着我们所用的这套数据并不能很好反应我们在探索的问题。因此，基于这套数据所建立的模型只适用于评论较好的酒。在进行分析之前，我们还是得先预习一些圈内基本知识。通过从阅读葡萄酒网站及一些相关资源，我找到一种自认为不错的分级方案，按照评分进行分级。如下所示。

对于一个最终用户（白话说就是买葡萄酒的），评分就是他们想要传达的信息。如果我们按照上述划分形式，我们就能既减少了葡萄酒信息维度又能保留住质量相关信息。

重要决定：我把这个问题定义为一个倾向性分析问题，基于用户评价判断葡萄酒属于Classic（典藏酒）、Superb（豪华酒）、Excellent（