利用python分析红葡萄酒数据

 

在本次分析中，我使用了随机森林回归，并涉及数据标准化和超参数调优。在这里，我使用随机森林分类器，对好酒和不太好的酒进行二元分类。

首先导入数据包：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

导入数据：

data = pd.read_csv('winequality-red.csv')
data.head()

data.describe()

注释：

fixed acidity：非挥发性酸   

volatile acidity ： 挥发性酸  

citric acid：柠檬酸

residual sugar ：剩余糖分

chlorides：氯化物

free sulfur dioxide ：游离二氧化硫

total sulfur dioxide：总二氧化硫

density：密度

pH：pH

sulphates：硫酸盐

alcohol：酒精

quality：质量

所有数据的数值为1599，所以没有缺失值。让我们看看是否有重复值：

extra = data[data.duplicated()]
extra.shape

有240个重复值，但先不删除它，因为葡萄酒的质量等级是由不同的品酒师给出的。

数据可视化

sns.set()
data.hist(figsize=(10,10), color='red')
plt.show()

只有质量是离散型变量，主要集中在5和6中，下面分析下变量的相关性：

colormap =