Advertisement

该数据集是红葡萄酒质量评估的数据集。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
基于《分类变量回归——Probit和Logit》中所述的实验分析，该实验数据通常可以在网络上获取下载，并将其上传以供学习者更便捷地利用。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 红葡萄酒数据集winequality-red.csv
    优质
    红酒品质数据集(winequality-red.csv)包含约1600条记录，每条记录描述了葡萄牙绿酒区生产的红葡萄酒的不同化学属性及其感官评估得分，涵盖酒质pH值、硫化物含量等指标。此数据集广泛应用于机器学习模型中，帮助预测红酒质量等级。 这个数据集包含1599个样本以及红酒的理化性质和品质评分（范围从0到10）。以下是该数据集的基本情况： - 固定酸度 (fixed acidity)：非挥发性酸含量。 - 挥发酸度 (volatile acidity)：挥发性酸含量。 - 柠檬酸 (citric acid): 红酒中柠檬酸的含量。 - 剩余糖分(residual sugar): 酒中的剩余糖量。 - 氯化物(chlorides): 以氯离子形式存在的盐类。 - 游离二氧化硫(free sulfur dioxide)：未结合成其他化合物的游离态二氧化硫。 - 总二氧化硫(total sulfur dioxide)：红酒中所有形态的二氧化硫总量。 - 密度(density): 红酒的质量与体积之比，单位为克/立方厘米或千克/升。 - pH值: 衡量红酒酸碱性的指标，数值越小表示越酸性。 - 硫酸盐(sulphates)：硫酸根离子的含量。 - 酒精(alcohol): 乙醇浓度。 这些理化性质共同决定了红酒的质量（quality）。
  • 红葡萄酒数据集winequality-red.csv及白葡萄酒数据集winequality-white.csv，Wine Quality...
    优质
    该数据集包含红酒和白酒的质量评估信息，包括pH值、酒精含量等化学指标。通过分析，可探究影响酒类质量的关键因素。 包含两个数据集：红葡萄酒数据集winequality-red.csv和白葡萄酒数据集winequality-white.csv，涉及来自葡萄牙北部的红色和白色vinho verde葡萄酒样本。目标是根据物理化学测试对葡萄酒质量进行建模。
  • 葡萄酒数据集
    优质
    葡萄酒数据集包含多种类型葡萄酒（如红葡萄酒、白葡萄酒）的化学特征和属性信息，用于分析葡萄酒品质及相关研究。 UCI标准数据集中的Wine数据集可用于数据分析或机器学习。
  • 葡萄酒数据集
    优质
    简介：葡萄酒数据集包含多种葡萄酒的化学分析结果，涵盖酒精含量、酸度等特征值，旨在支持分类模型训练及品质评估研究。 压缩文件包含有winequality-red和winequality-white数据集。
  • 葡萄酒数据集
    优质
    葡萄酒数据集包含了多种葡萄酒的各项化学成分信息及其类型标签，广泛应用于机器学习和数据分析领域。 用于聚类分析的工具能够评估聚类算法的性能，在数据挖掘领域非常有用。
  • 葡萄酒数据集
    优质
    葡萄酒数据集包含了各种葡萄酒的详细信息，如化学成分和品质等级，广泛应用于机器学习领域的分类与回归分析。 这个数据集包含1599个样本，每个样本包括红酒的11项理化性质及其品质评分（范围从0到10）。
  • 葡萄酒数据集
    优质
    葡萄酒数据集是一系列记录了各类葡萄酒化学成分的数据集合，用于分析和区分不同种类葡萄酒的特点。 该数据集包含3个类别，共有178个样本，每个样本具有13个特征。这段描述已经超过了50字节的要求。
  • 葡萄酒品质公开数据集
    优质
    本数据集包含大量关于葡萄酒的各项指标与评价信息，旨在为研究者提供一个全面了解和分析影响葡萄酒品质因素的数据资源。 红酒和白酒品质的公开数据集提供了关于这两种酒类质量评估的相关信息。这类数据集通常包括各种指标以帮助分析影响葡萄酒品质的因素，并支持研究或开发相关算法模型。
  • wine.csv葡萄酒数据集
    优质
    wine.csv 葡萄酒数据集包含多种类型葡萄酒的化学分析结果，涵盖酒精含量、酸度等13个变量，广泛应用于机器学习分类算法中。 UCI网站上的机器学习样本数据集包含了13个不同的特征，对178个葡萄酒数据样本的化学特性进行了描述，并以CSV表格的形式呈现。
  • 葡萄酒数据库集
    优质
    《葡萄酒数据库集》是一部全面收录世界各地葡萄酒信息的专业资料库，涵盖品种、产地、年份及品鉴记录等详尽数据。 葡萄酒数据集用于二元分类任务，包含130个样本，其中正负类样本分别为59个和71个。该数据集将被用来验证支持向量机（SVM）和贝叶斯等算法的性能。