《机器学习Python实战》课件 15-项目7 项目拓展 决策树模型在葡萄酒质量预测中的应用

机器学习

项目7项目拓展——决策树模型在葡萄酒质量预测中的应用17.3决策树模型在葡萄酒质量预测中的应用目录CONTENTS017.3决策树模型在葡萄酒质量预测中的应用决策树模型在葡萄酒质量预测中的应用1.背景与目标▪在葡萄酒的生产与流通环节中，品质判定长期依赖专业品酒师的感官评价，存在主观性强、成本高、时效低等痛点▪随着理化检测技术的普及，酒厂已积累大量理化指标数据，亟须构建客观、可解释的质量预测模型▪模型用于指导葡萄选育、发酵工艺优化及产品分级▪本任务基于公开的wine数据集，采用决策树分类算法，建立“理化指标→质量等级”的可解释映射，实现新酒样的快速定级与关键质量因子识别任务目标根据理化指标（如酸度、糖分、酒精度等）建立决策树分类模型，预测葡萄酒的质量等级，并分析哪些因素对葡萄酒质量影响最大决策树模型在葡萄酒质量预测中的应用2.葡萄酒质量预测模型演进人工感官评分传统评价以人工感官评分为标准，主观偏差大、重复性高→线性回归将酸度、酒精度等连续变量直接映射到评分；忽略了多指标交互的非线性事实，且连续输出与3～8级离散分级不符集成模型随机森林、XGBoost等虽能提升精度，却丧失业务可解释性，酒厂无法据此调整工艺参数决策树无须变量标准化、可自动捕获阈值效应，成为连接“数据科学”与“酿造工艺”的桥梁模型演进主线：从“主观评价”走向“客观、可解释的数据驱动决策”→→决策树模型在葡萄酒质量预测中的应用3.任务实现信息熵分裂准则以“信息熵”为节点分裂准则，优先挖掘对等级区分度最大的理化指标阈值预剪枝控制复杂度通过限制max_depth=5进行预剪枝，平衡模型复杂度与泛化能力离散质量等级标签采用“质量等级”离散标签作为分类目标，与酒厂现行分级制度无缝衔接模型可视化对决策树分类模型进行可视化，工艺人员可直接阅读分类规则，进行快速质检或发酵罐切换决策决策树模型在葡萄酒质量预测中的应用导入数据集importpandasaspd

#导入数据集data=pd.read_excel("wine.xlsx")print("葡萄酒数据集形状：",data.shape)print("葡萄酒数据集前5行：\n",data.head())图7-18查看葡萄酒数据集信息▪葡萄酒数据集共有1599个样本▪每个样本有12个字段▪quality为预测目标，其余11个为理化特征变量决策树模型在葡萄酒质量预测中的应用数据集字段含义葡萄酒数据集字段名：['fixedacidity','volatileacidity','citricacid','residualsugar','chlorides','freesulfurdioxide','totalsulfurdioxide','density','pH','sulphates','alcohol','quality']图7-19葡萄酒数据集字段名字段含义字段含义fixedacidity固定酸度totalsulfurdioxide总二氧化硫volatileacidity挥发性酸度density密度citricacid柠檬酸含量pH酸碱度residualsugar残余糖分sulphates硫酸盐chlorides氯化物alcohol酒精度freesulfurdioxide游离二氧化硫quality质量等级（3～8）决策树模型在葡萄酒质量预测中的应用构建决策树分类模型▪葡萄酒质量预测属于分类任务，选择DecisionTreeClassifier类构建决策树分类模型fromsklearn.model_selectionimporttrain_test_splitfromsklearn.treeimportDecisionTreeClassifier

#特征与类别标签X=data.drop("quality",axis=1)y=data["quality"]

#建立训练数据集和测试数据集X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)

#构建决策树分类模型clf=DecisionTreeClassifier(criterion="entropy",max_depth=5,random_state=42)clf.fit(X_train,y_train)

#输出模型得分print("决策树分类模型在训练集的得分：{:.3f}".format(clf.score(X_train,y_train)))print("决策树分类模型在测试集的得分：{:.3f}".format(clf.score(X_test,y_test)))决策树分类模型在训练集的得分：0.658决策树分类模型在测试集的得分：0.578图7-20决策树分类模型得分结果▪按8:2拆分（1279训练/320测试）▪criterion=entropy，max_depth=5▪训练集0.658、测试集0.578决策树模型在葡萄酒质量预测中的应用决策树分类模型可视化▪通过export_graphviz()函数将决策树模型clf导出为DOT格式的文本数据▪DOT是Graphviz工具使用的图结构描述语言，可以记录决策树中的节点、分支及其连接关系fromsklearn.treeimportexport_graphvizimportgraphviz#导出为dot格式并可视化dot_data=export_graphviz(clf,feature_names=X.columns,#表示使用数据集中的特征名称标注各个判断节点class_names=['3','4','5','6','7','8'],#分类标签对应葡萄酒等级filled=True,#根据节点中占比最高的类别填充不同颜色rounded=True,#使用圆角方框impurity=False,#不在节点中显示信息熵等不纯度指标，从而减少节点中的文字数量proportion=False,#以样本数量而不是样本比例显示节点信息precision=2,#数值保留两位小数max_depth=3,out_file=None)graph=graphviz.Source(dot_data)graph.render('compact_small3',format='png',cleanup=True)graph.render('decision_tree3')#保存为PDF文件graph▪max_depth=3仅限制可视化展示的最大深度▪不会改变已训练完成的模型，也不影响预测结果▪限制展示层数可避免节点过多、图形过密，使主要判断路径更清晰决策树模型在葡萄酒质量预测中的应用决策树分类模型可视化结果根节点为alcohol≤10.53：酒精度是区分葡萄酒质量等级最重要的理化指标；绿色节点多数类为5级，蓝色节点多数类为6级决策树模型在葡萄酒质量预测中的应用小结▪决策树分类模型能够根据葡萄酒的理化指标，自动学习分类规则，进而对质量等级进行预测▪该模型可解释性强：每个分支代表一次“问题—答案”式的判断，非常直观，工艺人员可直接阅读▪由于数据本身存在噪声，决策树的泛化性能有限▪提升方向：通过剪枝或使用集成方法（如随机森林）进一步提升泛化性能拓展思考若将本任务的决策树替换为随机森林分类模型，测试集得分会发生什么变化？可解释性又会如何变化？决策树模型在葡萄酒质量预测中的应用决策树图的阅读方法▪在生成的决策树图中，每个方框代表一个节点▪非叶节点方框的第一行显示划分条件，例如alcohol≤10.53（按酒精度阈值划分）alcohol≤10.53samples=1279value=[4,41,552,506,160,16]class=5sulphates≤0.57…sulphates≤