Posted on

와인데이터 csv 다운로드

와인 데이터 세트는 이탈리아의 특정 지역에서 재배 와인의 화학 분석의 결과 포함. 와인의 세 가지 유형은 각 샘플에 대해 기록 된 13 화학 분석의 결과와 함께, 178 샘플에 표시됩니다. Type 변수가 범주형 변수로 변환되었습니다. 와인의 종류는 3개 클래스 중 하나로, 1개(59개), 2개(71개 obs), 3개(48개)로 구성된다. 데이터는 UCI 기계 학습 저장소에서 다운로드되었습니다. 와인 데이터 집합은 클래식하고 매우 쉬운 다중 클래스 분류 데이터 집합입니다. 와인 데이터 세트 다운로드 : 데이터 폴더, 데이터 세트 설명 사전과 같은 개체, 흥미로운 속성은 다음과 같습니다 `데이터`, 학습 할 데이터, `대상`, 분류 레이블, `target_names`, 라벨의 의미, `feature_names`, 기능의 의미, 그리고 `DESCR`, 데이터 세트의 전체 설명. 데이터에 누락된 값과 숫자 데이터의 단점이 없으며 분류에 대한 세 가지 클래스 대상 변수(Type)가 있습니다. 이 데이터는 이탈리아에서 같은 지역에서 재배 하지만 세 가지 다른 품종에서 파생 된 와인의 화학 분석의 결과. 분석은 와인의 세 가지 유형의 각각에서 발견 13 성분의 양을 결정했다. 초기 데이터 세트에는 약 30 개의 변수가 있다고 생각하지만 어떤 이유로 13 차원 버전만 있습니다. 나는 30 개 정도의 변수가 무엇인지 목록을 가지고 있었지만, a.) 나는 그것을 잃어 버렸고 b.), 나는 세트에 포함 된 13 개의 변수를 알지 못했다.

속성은 (리카르도 레아르디에 의해 기증, 리클레아 `@` anchem.unige.it) 1) 알코올 2) 말산 3) 재 4) 재 의 알칼리도 5) 마그네슘 6) 총 페놀 7) 플라바노이드 페놀 9) 프로안토시아닌 페놀 9) 색상 강도 11)Hue 12)HUE 12)OD280/OD315 희석 와인의 이것은 “잘 행동”클래스 구조에 잘 제기 된 문제입니다. 새 분류기의 첫 번째 테스트를 위한 좋은 데이터 집합이지만 매우 어렵지는 않습니다. 데이터는 (서수) 회귀 또는 분류를 테스트하는 데 사용할 수 있습니다 (실제로, 이것은 클라스가 정렬되는 다중 클래스 작업입니다) 메서드. 다른 연구 문제는 기능 선택 및 이상값 검색입니다. 데이터에는 두 개의 데이터 집합이 포함됩니다: True인 경우 Bunch 개체 대신 반환(데이터, 대상). 데이터 및 대상 개체에 대한 자세한 내용은 아래를 참조하십시오. 핑중과 후쿠시마 마사오. 다중 클래스 지원 벡터 기계에 대한 정규화 된 비스무스 뉴턴 방법. 2005. [컨텍스트 보기]. 이고르 피셔와 얀 폴란드. 스펙트럼 클러스터링을 위한 블록 매트릭스 구조 증폭.

통신 연구소. 2005. [컨텍스트 보기]. 아가피토 레데즈마와 리카르도 아를러, 아라슬리 산치스, 다니엘 보라호. 최적화된 스태킹 구성의 경험적 평가. ICTAI. 2004. [문맥 보기]. 젠빈 탄과 데이비드 엘 도웨. 경사 결정 트리의 MML 추론. 인공 지능에 대한 호주 컨퍼런스.

2004. [문맥 보기]. 스가토 바스. 제한된 배경 지식이있는 반 감독 클러스터링. AAAI. 2004. [문맥 보기]. 스테판 무터와 마크 홀, 에이베 프랭크. 분류를 사용하여 신뢰도 기반 연결 규칙 마이닝의 출력을 평가합니다.

인공 지능에 대한 호주 컨퍼런스. 2004. [문맥 보기]. 제니퍼 지 디와 칼라 브로들리. 자율 학습을 위한 기능 선택. 기계 학습 연구 저널, 5. 2004. [문맥 보기]. 위안 장과 지화 저우. 신경망 앙상블을 사용하여 kNN 분류자에 대한 교육 데이터 편집. ISNN (1). 2004.

[문맥 보기]. 미하일 빌렌코와 스가토 바수, 레이몬드 제이 무니. 반감독 클러스터링에서 제약 조건 및 메트릭 학습을 통합합니다. ICML. 2004. [컨텍스트 보기]. 스가토 바스. 또한 기술 보고서, UT-AI로 나타납니다. 박사 제안. 2003.

[문맥 보기]. 마이클 엘 레이머와 트래비스 이 둠, 레슬리 에이 쿤, 윌리엄 에프 펀치. 하이브리드 Bayes 분류기/진화 알고리즘을 사용하여 의료 및 생물학적 데이터 세트에서 지식 발견.