基于数据挖掘技术的红酒评分预测模型的设计与分析
作者：王柏
来源：《现代商贸工业》2019年第07期
摘要：随着现代社会的快速发展，红酒行业已慢慢走向全球化与大众化，更多的红酒品牌和品种也逐渐被世人所知。然而，红酒品质也分三六九等，如何判断一款红酒是优是劣？利用SPSS，Excel等软件，使用回归、决策树、聚类等经典机器学习算法，对红酒的价格、评分、产地等因素进行统计与分析。最终得出红酒的原产国，省份以及品种基本可以决定红酒的优劣。
关键词：红酒;数据挖掘;机器学习
中图分类号：TB文献标识码：Adoi：10.19311/https://www.doczj.com/doc/998444701.html,ki.1672-3198.2019.07.100
1前言
红酒，是一种有着漫长历史的饮品。早在公元前1000年，红酒就在地中海沿岸大部分地区繁衍传播，并逐漸发展成为高档饮品。在全世界的基督教信徒的眼中，红酒被视为耶稣的血液，这一点也促进了红酒的平民化。红酒不仅仅给人以高雅和浪漫的感觉，在很多女性心中还有美容驻颜的功效，随着时间的推移，社会也在快速发展，人们生活水平逐步提升，红酒市场目前拥有着巨大的发展潜力和良好的发展前景，红酒也将逐渐走向全球化与大众化，让越来越多的人有机会去品尝。
近年来，越来越多的人更加讲究红酒的品质，传统红酒的品鉴，要考虑红酒的香气、口感、结构、酿造工艺、风土和价格等综合因素。但这些复杂的品鉴技术需要积年累月的品酒经验，对于大多数普通人来说，学习这门技术并不容易。因此，人们对于红酒的品质界定十分地模糊，并不清楚哪些红酒档次较高，而哪些红酒档次相对较低。为了帮助人们通过更简单直接的方法去了解红酒的品质，本文根据Kaggle网站上Wine Reviews专题提供的129970组数据，使用决策树，聚类等经典机器学习算法，分析数据规律，建立了根据红酒产地、品种、制造商等因素预测红酒品质的模型;并探索了影响红酒档次的最主要因素。该模型可以为喜欢红酒的人们提供参考，从而使他们对于红酒品质有着更加清晰的认识。
2数据介绍和预处理
本文使用的Wine Reviews数据集的原始出处是WineEnthusiast网站上不同国家用户对众多红酒的评论。本数据集主要包含了129970款红酒的产地国（Country）、省份（Province）、