本文包含作者认为的文章重点、探索及思考。
一、分析问题
根据前述机器学习的基本步骤,尝试分析葡萄酒评级问题:
(1)制定目标—— 根据11个葡萄酒成分指标分析其品质
(2)收集数据—— UCI提供的Wine Quality开源数据集(UCI Machine Learning Repository)
(3)数据预处理—— 将数据集中的数据 1. 分离成数据部分+标签部分 2. 分成训练集和测试集
(4)学习数据
•(4-1)选择机器学习的方法—— 集成学习中的随机森林
随机森林(Random Forest)是一种集成学习算法,它通过结合多个决策树来进行分类和回归任务。随机森林的主要思想是通过构建多个决策树,并对它们的预测结果进行集成,从而提高模型的准确性和鲁棒性。
Q1:为什么选择集成分类器处理此葡萄酒评级问题?
A1:此问题是一个非线性、非文本数据、数据维度高,所以可以采用SCV或者集成分类器来解决。而根据数据集可以看出,此数据集有以下特征:
1)特征维度高:11个特征
<