เราสามารถทำนายได้ว่าไวน์จะถูกตัดสินอย่างไรจากคุณสมบัติทางเคมีของมัน?

ข้อจำกัดความรับผิดชอบเล็กน้อยที่จะเริ่มต้น ก่อนที่นักเคมีหรือซอมเมอลิเยร์คนใดจะโวยวายเกี่ยวกับความไร้สาระหรือไร้ประโยชน์ของบทความนี้ และโปรดจำไว้ว่านี่เป็นโครงการข้อมูลโครงการแรกของฉัน และความตั้งใจของฉันไม่ใช่เพื่อปฏิวัติอุตสาหกรรมไวน์หรือค้นหา เพชรในข้อมูลเชิงลึกที่หยาบ ฉันบังเอิญเจอชุดข้อมูลที่มีประโยชน์และต้องการฝึกสร้างโครงการข้อมูลแบบเริ่มต้นจนจบเพื่อเป็นแนวทางในการแก้ปัญหาและเครื่องมือที่ฉันสามารถใช้แก้ปัญหาได้ ดังที่กล่าวไว้ การวิจารณ์ที่สร้างสรรค์ใด ๆ จะได้รับการชื่นชมอย่างมาก

คำถาม:

สามารถใช้ข้อมูลเชิงประจักษ์เพื่อทำนายคุณภาพเชิงอัตวิสัยได้หรือไม่? ไวน์อาจเป็นอันดับสองรองจากศิลปะสมัยใหม่ในแง่ของรสนิยม: หากคุณแบ่งปันขวด Chianti กับคน 5 คน คุณอาจได้รับความคิดเห็นที่แตกต่างกัน 5 ประการเกี่ยวกับเรื่องนี้ แม้กระทั่งก่อนที่จะจิบ บางคนก็ต้องแต่งกลอนเกี่ยวกับกลิ่นหอมของมัน ซึ่งจะถูกท้าทายโดยเพื่อนนักชิมคนอื่นอย่างหลีกเลี่ยงไม่ได้

อย่างไรก็ตาม เป็นไปได้ไหมที่จะวิเคราะห์ไวน์จากมุมมองทางเคมีเพื่อตัดสินว่าโดยทั่วไปจะชอบหรือไม่? และถ้าเป็นเช่นนั้น ไวน์แดงทำได้ง่ายกว่าเมื่อเทียบกับไวน์ขาวหรือไม่?

การเตรียมข้อมูล:

แหล่งที่มาของข้อมูลนี้นำมาจากผู้ใช้ Kaggle ที่แชร์ชุดข้อมูลไฟล์ .csv ที่มีแอตทริบิวต์สีแดงเกือบ 1,600 ชนิดและสีขาวมากกว่า 4,500 ชนิด 'vinho verde' ของโปรตุเกส ชุดข้อมูลดังกล่าวมาจากการศึกษาในปี 2552 โดยเปาโล คอร์เตซ ศาสตราจารย์จากมหาวิทยาลัยมินโฮในโปรตุเกส ไวน์ทั้งหมดมาจากทางตอนเหนือของโปรตุเกส และฉลากหรือราคาเฉพาะใดๆ ได้ถูกลบออกไปแล้ว

ชุดข้อมูลดั้งเดิมประกอบด้วย 12 คอลัมน์ (11 คอลัมน์เป็นอินพุตทางเคมีกายภาพ และอีก 1 คอลัมน์เป็นเอาต์พุตทางประสาทสัมผัส) และจาก 11 คอลัมน์นั้น ฉันเลือก 6 คอลัมน์เพื่อเปรียบเทียบ:

1. กรดมะนาว
2. ระดับค่า pH
3. ซัลไฟต์
4. ความผันผวนของกรด
5. ปริมาณแอลกอฮอล์
6. คลอไรด์

การประมวลผลข้อมูล:

ชุดข้อมูลต้องการการทำความสะอาดน้อยมากเนื่องจากชุดข้อมูล (ชุดหนึ่งสำหรับสีแดงและอีกชุดสำหรับไวน์ขาว) ไม่มีค่า Null หรือค่าที่ซ้ำกัน แม้ว่าความแตกต่างเพียงอย่างเดียวระหว่างสองตารางคือช่วงของคุณภาพระหว่างสองตาราง ค่าคุณภาพคือเอาต์พุตตัวแปรที่แสดงเป็นข้อมูลทางประสาทสัมผัส และสำหรับไวน์แดงมีค่าระหว่าง 3 ถึง 8 (ในระดับ 0–10) ในขณะที่ไวน์ขาวมีค่าตั้งแต่ 3 ถึง 9 ในระหว่างกระบวนการแปลงข้อมูล จำนวนเต็มจะถูกแปลงเป็นค่าสตริง เพื่อให้ป้ายกำกับที่สื่อความหมายมากขึ้นซึ่งตรงกับข้อเท็จจริงที่ว่าข้อมูลนี้เป็นข้อมูลเชิงอัตวิสัยและไม่ใช่ข้อมูลเชิงประจักษ์

ไวน์ขาวที่มีป้ายกำกับว่า "เหนือกว่า" ซึ่งมีเพียง 5 หรือ 0.11% ของชุดข้อมูลทั้งหมด ถูกลบออกเพื่อให้ตัวฉันสามารถเปรียบเทียบไวน์ทั้งสองแบบเคียงข้างกันได้ดีขึ้น

หลังจากล้างข้อมูลแล้ว ฉันนำเข้าข้อมูลนั้นไปยัง RStudio เพื่อดูว่าการกระจายคุณภาพมีลักษณะอย่างไรจากมุมมองทางสถิติ:

ค่าเฉลี่ยสูงกว่าเล็กน้อยสำหรับไวน์ขาว และทั้งคู่มีพิสัยระหว่างควอไทล์เท่ากับ 1 ความแปรปรวน (var) และส่วนเบี่ยงเบนมาตรฐาน (sd) ของไวน์ขาวนั้นสูงกว่าเล็กน้อย ซึ่งสมเหตุสมผลเมื่อคุณดูที่แผนภูมิการกระจายด้านบนเป็นส่วนใหญ่ ไวน์แดงจัดอยู่ในประเภท Fairly Good และ Good ในขณะที่ไวน์ขาวมีเปอร์เซ็นต์ของ Very Good และ Excellent สูงกว่า

จากจุดนี้ เป็นที่ชัดเจนว่าฉันมีการกระจายข้อมูลที่เชื่อถือได้ และตอนนี้กระบวนการวิเคราะห์สามารถเริ่มต้นได้

การวิเคราะห์ข้อมูล:

ขั้นตอนแรกของฉันคือการสร้างฐานข้อมูลโดยใช้ PostgreSQL ซึ่งประกอบด้วยตารางไวน์ขาวและไวน์แดง จากนั้นฉันก็เรียกใช้การค้นหาเพื่อหาค่าเฉลี่ยของแต่ละหมวดหมู่ทั้งหก จากนั้นจึงจัดกลุ่มตามคุณภาพ โดยการวางผลลัพธ์ตามลำดับคุณภาพจากมากไปหาน้อย ฉันสามารถดูได้ว่ามีความสัมพันธ์กันหรือไม่ ต่อไปนี้เป็นตัวอย่างของข้อความค้นหาแบบเคียงข้างกันที่ฉันเข้าร่วมตารางสีขาวและสีแดงเพื่อเปรียบเทียบความสัมพันธ์:

คุณสามารถเห็นความสัมพันธ์ที่ชัดเจนระหว่างระดับกรดซิตริกและคุณภาพของไวน์แดง ในขณะที่ผลลัพธ์สำหรับไวน์ขาวมีความน่าเชื่อถือน้อยกว่ามาก

เมื่อถึงจุดนั้น ผมสามารถเริ่มสร้างการแสดงภาพแดชบอร์ดซึ่งสามารถแสดงลักษณะต่างๆ ที่เกี่ยวข้องกับคุณภาพได้อย่างง่ายดาย และดูว่าไวน์แดงจะยังคงแสดงผลลัพธ์ที่สอดคล้องกันต่อไปหรือไม่

การแบ่งปันข้อมูล:

ฉันบันทึกผลลัพธ์การสืบค้น SQL ของฉันเป็นรูปแบบ .csv และอัปโหลดฐานข้อมูลใหม่นี้ไปยัง Tableau และจากนั้น การสร้างแผนภูมิแท่งที่อ่านง่ายเพื่อบอกเล่าเรื่องราวของข้อมูลนี้ก็เป็นเพียงเรื่องของการสร้างแผนภูมิแท่งที่อ่านง่าย

ตารางด้านบนแสดงให้เห็นอย่างชัดเจนถึงความสัมพันธ์ที่สอดคล้องกันอย่างมากระหว่างคุณค่าและคุณภาพของไวน์แดงที่มีความหลากหลายดีเยี่ยมซึ่งมีค่าสูงสุดหรือต่ำสุด (อาจกล่าวได้เช่นเดียวกันสำหรับคุณภาพที่ไม่ดี)

อย่างไรก็ตาม เมื่อดูที่ไวน์ขาว ข้อมูลจะบอกเล่าเรื่องราวที่แตกต่างออกไป คุณลักษณะบางอย่าง เช่น คลอไรด์และแอลกอฮอล์แสดงให้เห็นอย่างชัดเจน แม้ว่าความสัมพันธ์จะไม่สมบูรณ์ก็ตาม ในขณะที่ซัลไฟต์และ pH มีความน่าเชื่อถือน้อยกว่ามาก

ณ จุดนี้ ฉันต้องการดูว่ามีวิธีเปรียบเทียบไวน์ทั้งสองแบบเคียงข้างกันหรือไม่ เพื่อดูว่าสามารถแสดงความแตกต่างได้ชัดเจนยิ่งขึ้นหรือไม่ เมื่อใช้ผลลัพธ์ของคิวรี SQL ที่ฉันอัปโหลดไปยัง Excel จากนั้นฉันใช้สูตรมาตราส่วนเพื่อทำให้ข้อมูลจากลักษณะต่างๆ เป็นมาตรฐาน จากนั้นจึงอัปโหลดชีตใหม่นี้ลงใน Tableau ด้วยการปรับขนาดทุกอย่างตั้งแต่ 0 ถึง 1 ฉันสามารถสร้างกราฟการจัดอันดับที่มีคุณภาพที่มีค่าสูงสุดเป็น 1 ต่ำสุดเป็น 0 และขึ้นอยู่กับความแตกต่างของค่าอีกสี่ค่าที่อยู่ระหว่างนั้น

ตอนนี้เป็นที่ชัดเจนเกี่ยวกับไวน์แดงว่าไวน์ชั้นเยี่ยมและไม่ดีมีค่า 0 และ 1 อยู่ 3 ค่า ในขณะที่ค่าอื่นๆ มีค่าอยู่ตรงกลาง ในทางกลับกัน ไวน์ขาวมีการกระจายที่เท่าเทียมกันมากขึ้นโดยแต่ละคุณภาพมีค่า 0 หรือ 1 อย่างน้อยหนึ่งค่าแต่ไม่เกินสองค่า

บทสรุป:

การวิเคราะห์ข้อมูลจากโครงการนี้แสดงให้เห็นว่าก่อนที่จะเสิร์ฟไวน์แดงของโปรตุเกสเหนือในชั้นเรียน เราสามารถทำนายได้อย่างน่าเชื่อถือว่าคนดื่มจะมีความคิดเห็นอย่างไร และแม้ว่าฉันจะไม่ใช่ซอมเมอลิเยร์หรือผู้ปลูกไวน์ แต่ข้อมูลนี้สามารถนำมาใช้เมื่อให้คำแนะนำเกี่ยวกับไวน์หรือในระหว่างกระบวนการผลิตไวน์เพื่อปรับแต่งผลิตภัณฑ์ขั้นสุดท้าย

ฉันสนุกกับโครงการนี้มากเพราะทำให้ฉันมีโอกาสใช้เครื่องมือและซอฟต์แวร์ที่หลากหลาย วิเคราะห์ข้อมูล และใช้ทักษะของฉันกับสถานการณ์ในชีวิตจริง ขอบคุณมากสำหรับการอ่าน ฉันหวังว่าจะมีบางสิ่งที่ลึกซึ้งที่คุณได้เรียนรู้จากโครงการนี้