Chúng ta có thể dự đoán rượu sẽ được đánh giá như thế nào dựa trên chất lượng hóa học của nó không?

Bắt đầu có một chút tuyên bố từ chối trách nhiệm, trước khi bất kỳ nhà hóa học hay chuyên gia sommelier nào phàn nàn về sự lố bịch hoặc vô dụng của bài báo này, và đó là hãy nhớ rằng đây là dự án dữ liệu đầu tiên của tôi và mục đích của tôi không phải là cách mạng hóa ngành công nghiệp rượu vang hay tìm kiếm một số viên kim cương trong cái nhìn sâu sắc thô. Tôi chỉ đơn giản là tình cờ tìm thấy một tập dữ liệu hữu ích và muốn thực hành tạo một dự án dữ liệu từ đầu đến cuối như một cách để chứng minh cách tiếp cận của tôi đối với một vấn đề và các công cụ mà tôi có khả năng sử dụng để giải quyết vấn đề đó. Điều đó đang được nói, bất kỳ lời chỉ trích mang tính xây dựng nào cũng sẽ được đánh giá cao.

Câu hỏi:

Dữ liệu thực nghiệm có thể được sử dụng để dự đoán phẩm chất chủ quan? Rượu có lẽ chỉ đứng thứ hai sau nghệ thuật hiện đại khi nói đến sở thích về hương vị: Nếu bạn chia sẻ một chai Chianti với năm người khác nhau, bạn có thể sẽ nhận được năm ý kiến ​​khác nhau về nó. Ngay cả trước khi nhấp một ngụm, ai đó chắc chắn sẽ cảm thấy thơ mộng về bó hương thơm của nó, điều chắc chắn sẽ bị thách thức bởi một người bạn nếm thử khác.

Mặc dù vậy, liệu có thể phân tích rượu vang từ góc độ hóa học để xác định xem nó có được ưa chuộng hay không? Và nếu vậy, rượu vang đỏ có dễ làm hơn so với rượu vang trắng không?

Chuẩn bị dữ liệu:

Nguồn của dữ liệu này được lấy từ một người dùng Kaggle đã chia sẻ tập dữ liệu tệp .csv chứa các thuộc tính của gần 1.600 loại 'vinho verde' màu đỏ và hơn 4.500 màu trắng của Bồ Đào Nha. Bộ dữ liệu đến từ một nghiên cứu năm 2009 của Paolo Cortez, giáo sư từ Đại học Minho ở Bồ Đào Nha. Tất cả các loại rượu vang đến từ miền Bắc Bồ Đào Nha và mọi nhãn hoặc giá cụ thể đã bị xóa.

Bộ dữ liệu ban đầu bao gồm 12 cột (11 cột là đầu vào hóa lý và một cột là đầu ra cảm quan) và trong số 11 cột đó, tôi đã chọn sáu cột để so sánh:

1. Axit citric
2. Độ pH
3. Sulfite
4. Tính axit dễ bay hơi
5. Hàm lượng cồn
6. clorua

Xử lí dữ liệu:

Bộ dữ liệu yêu cầu làm sạch rất ít vì bộ dữ liệu (một cho rượu vang đỏ và một cho rượu vang trắng) không chứa bất kỳ giá trị rỗng hoặc giá trị trùng lặp nào, mặc dù sự khác biệt duy nhất giữa hai bảng là phạm vi chất lượng giữa hai bảng. Các giá trị chất lượng là các đầu ra biến đổi được biểu thị dưới dạng dữ liệu cảm quan và đối với rượu vang đỏ nằm trong khoảng từ 3 đến 8 (trên thang điểm 0–10) trong khi rượu vang trắng nằm trong khoảng từ 3 đến 9. Trong quá trình chuyển đổi dữ liệu, các số nguyên được chuyển đổi thành giá trị chuỗi để cung cấp cho họ một nhãn mô tả phù hợp hơn với thực tế, đây là thông tin chủ quan và không theo kinh nghiệm.

Sau đó, các loại rượu vang trắng được dán nhãn “cao cấp” chỉ có 5 loại, tương đương 0,11% trong toàn bộ tập dữ liệu, đã bị loại bỏ để tôi có thể so sánh hai loại rượu này với nhau tốt hơn.

Sau khi làm sạch dữ liệu, tôi đã nhập dữ liệu đó vào RStudio để xem phân phối chất lượng trông như thế nào từ góc độ thống kê:

Giá trị trung bình cao hơn một chút đối với rượu vang trắng và cả hai đều có phạm vi liên vùng là 1. Phương sai (var) và độ lệch chuẩn (sd) của rượu vang trắng cao hơn một chút, điều này có ý nghĩa khi bạn nhìn vào biểu đồ phân phối ở trên với tư cách là đại đa số rượu vang đỏ thuộc loại Khá tốt và Tốt trong khi rượu vang trắng có tỷ lệ Rất tốt và Xuất sắc cao hơn.

Từ thời điểm này, rõ ràng là tôi đã có một phân phối dữ liệu đáng tin cậy và bây giờ quá trình phân tích có thể bắt đầu.

Phân tích dữ liệu:

Bước đầu tiên của tôi là tạo một cơ sở dữ liệu bằng PostgreSQL bao gồm một bảng rượu vang trắng và đỏ. Sau đó, tôi chạy các truy vấn để tìm giá trị trung bình của từng loại trong số sáu loại rồi nhóm chúng theo chất lượng. Bằng cách sắp xếp các kết quả theo thứ tự chất lượng giảm dần, tôi có thể biết liệu có bất kỳ mối tương quan nào không. Đây là ví dụ về truy vấn song song mà tôi đã tham gia các bảng màu trắng và đỏ để so sánh các mối tương quan:

Bạn có thể thấy mối tương quan rõ ràng giữa mức độ axit xitric và chất lượng giữa các loại rượu vang đỏ trong khi kết quả đối với rượu vang trắng kém tin cậy hơn nhiều.

Tại thời điểm đó, tôi có thể bắt đầu tạo trực quan bảng điều khiển để có thể dễ dàng chỉ ra các đặc điểm khác nhau liên quan đến chất lượng như thế nào và xem liệu rượu vang đỏ có tiếp tục cho kết quả nhất quán hay không.

Chia sẻ dữ liệu:

Tôi đã lưu kết quả truy vấn SQL của mình thành định dạng .csv và tải cơ sở dữ liệu mới này lên Tableau và từ đó chỉ cần tạo biểu đồ thanh dễ đọc để kể câu chuyện về dữ liệu này.

Bảng trên cho thấy rõ ràng mối tương quan rất nhất quán giữa giá trị và chất lượng của rượu vang đỏ với loại hảo hạng sở hữu với giá trị cao nhất hoặc thấp nhất (có thể nói tương tự đối với loại kém chất lượng).

Tuy nhiên, khi nhìn vào rượu vang trắng, dữ liệu lại kể một câu chuyện khác. Một số đặc điểm như clorua và rượu cho thấy mối tương quan rõ ràng, mặc dù không hoàn hảo trong khi sulfit và pH kém tin cậy hơn nhiều.

Tại thời điểm này, tôi muốn xem liệu có cách nào để so sánh hai loại rượu cạnh nhau để xem liệu sự khác biệt có thể được thể hiện rõ ràng hơn hay không. Sử dụng kết quả truy vấn SQL mà sau đó tôi đã tải lên Excel, sau đó tôi sử dụng công thức chia tỷ lệ để chuẩn hóa dữ liệu từ các đặc điểm khác nhau rồi tải trang tính mới này lên Tableau. Bằng cách chia tỷ lệ mọi thứ từ 0 đến 1, tôi có thể tạo một loại biểu đồ xếp hạng trong đó chất lượng có giá trị cao nhất được cho là 1, thấp nhất là 0 và tùy thuộc vào sự khác biệt, bốn giá trị khác nằm ở đâu đó ở giữa.

Bây giờ, rõ ràng là đối với rượu vang đỏ, mỗi loại rượu vang hảo hạng và kém chất lượng đều có ba giá trị 0 và 1 trong khi các chất lượng khác nằm ở đâu đó ở giữa. Mặt khác, rượu vang trắng có sự phân bổ đồng đều hơn nhiều với mỗi chất lượng sở hữu ít nhất một nhưng không quá hai giá trị 0 hoặc 1.

Phần kết luận:

Phân tích dữ liệu từ dự án này cho thấy rằng ngay cả trước khi phục vụ một loại rượu vang đỏ Bắc Bồ Đào Nha, người ta có thể dự đoán một cách đáng tin cậy những người uống nó sẽ có ý kiến ​​gì. Và mặc dù tôi chắc chắn không phải là chuyên gia sommelier hay người trồng rượu, nhưng dữ liệu này có thể được sử dụng khi đưa ra các đề xuất về rượu hoặc trong quá trình sản xuất rượu để tinh chỉnh sản phẩm cuối cùng.

Tôi rất thích dự án này vì nó cho tôi cơ hội sử dụng nhiều công cụ và phần mềm, phân tích dữ liệu và áp dụng các kỹ năng của mình vào tình huống thực tế. Cảm ơn bạn rất nhiều vì đã đọc Tôi hy vọng bạn đã học được điều gì đó sâu sắc từ dự án này.