红葡萄酒质量预测实战：基于AI Studio数据集的决策树与随机森林模型评估

1次阅读

没有评论

共计 2103 个字符，预计需要花费 6 分钟才能阅读完成。

红葡萄酒质量预测在酿酒工业中具有重要意义。传统上，葡萄酒质量的评估依赖于专业品酒师的主观判断，这种方法存在几个明显问题：

人力成本高，无法实现大规模快速评估
主观性强，不同品酒师可能给出差异较大的评价
难以追溯和量化评估标准

机器学习方法可以有效解决这些问题，通过量化理化指标与质量评分的关联性，建立客观、可复现的预测模型。

AI Studio 提供的红葡萄酒数据集包含 11 个理化特征和 1 个质量评分（3- 8 分）。关键预处理步骤包括：

数据探索

import pandas as pd

data = pd.read_csv('winequality-red.csv')
print(data.describe())
print(data.isnull().sum())

特征工程
将质量评分转换为二分类问题（≥6 分为优质，否则为普通）
标准化数值型特征
检查并处理特征间相关性
数据分割

from sklearn.model_selection import train_test_split

X = data.drop('quality', axis=1)
y = data['quality'].apply(lambda x: 1 if x >=6 else 0)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import classification_report

# 初始化模型
dt = DecisionTreeClassifier(max_depth=5, random_state=42)

# 训练模型
dt.fit(X_train, y_train)

# 预测与评估
y_pred = dt.predict(X_test)
print(classification_report(y_test, y_pred))

from sklearn.ensemble import RandomForestClassifier

# 初始化模型
rf = RandomForestClassifier(n_estimators=100, max_depth=10, random_state=42)

# 训练模型
rf.fit(X_train, y_train)

# 预测与评估
y_pred = rf.predict(X_test)
print(classification_report(y_test, y_pred))

我们使用以下关键指标评估模型性能：

准确率（Accuracy）：正确预测的比例
精确率（Precision）：预测为正样本中实际为正的比例
召回率（Recall）：实际正样本中被正确预测的比例
F1 分数：精确率和召回率的调和平均

在测试集上的对比结果如下：

指标	决策树	随机森林
准确率	0.81	0.85
精确率	0.83	0.86
召回率	0.87	0.90
F1 分数	0.85	0.88

随机森林在所有指标上均优于单棵决策树，这得益于其集成学习的优势。

模型调参

使用网格搜索优化超参数

from sklearn.model_selection import GridSearchCV

param_grid = {'n_estimators': [50, 100, 200],
    'max_depth': [5, 10, 15]
}

grid_search = GridSearchCV(RandomForestClassifier(random_state=42), param_grid, cv=5)
grid_search.fit(X_train, y_train)
print(grid_search.best_params_)

过拟合预防
增加 max_depth 限制
使用 min_samples_split 参数
添加交叉验证
特征重要性分析

importances = rf.feature_importances_
feat_importances = pd.Series(importances, index=X.columns)
feat_importances.nlargest(5).plot(kind='barh')

数据不平衡问题
原始数据中优质酒占比约 60%，若不平衡更严重需使用过采样 / 欠采样
特征相关性
高相关特征可能导致模型不稳定，需检查并移除
模型解释性

决策树可视化帮助理解模型决策过程

from sklearn.tree import plot_tree
import matplotlib.pyplot as plt

plt.figure(figsize=(15,10))
plot_tree(dt, feature_names=X.columns, filled=True)
plt.show()

通过本次实践，我们验证了随机森林在红葡萄酒质量预测上的优势。建议在实际应用中：