该项目致力于运用机器学习模型预测葡萄酒质量，基于对其理化特性的分析，包括固定酸度、挥发酸度、柠檬酸、残糖、氯化物和游离二氧化硫等指标。

简介：
本项目利用机器学习技术，通过分析葡萄酒的理化特性如酸度、糖分及二氧化硫含量，预测其质量等级，为酿酒行业提供数据支持。 数据集包含1599个红葡萄酒样本，每个样本有11个特征变量和一个目标变量（质量评分）。这些特征包括： - 固定酸度 - 挥发性酸度 - 柠檬酸含量 - 残糖量 - 氯化物浓度 - 游离二氧化硫水平 - 总二氧化硫水平 - 密度 - pH值 - 硫酸盐含量 - 酒精含量 目标变量是葡萄酒的质量评分，其范围为0至10。为了简化模型，质量评分被划分为两类：评分为7及以上的样本标记为“高质量”（标签为1），低于7的则标记为“低质量”（标签为0）。 在数据处理阶段，首先确认了数据集中没有缺失值。然后对质量评分进行了二元化处理，将其转化为一个分类问题。接下来，特征变量经过标准化处理以确保不同特征在同一尺度上进行比较。 通过探索性数据分析来研究各个特征与葡萄酒质量之间的关系，并生成了相关性的热图和散点图，以便识别出重要的影响因素。结果显示酒精含量、柠檬酸和硫酸盐的水平与葡萄酒的质量有较高的正相关性，而挥发性酸度则显示出负相关的趋势。 在模型训练阶段采用了多种机器学习算法进行建模，包括逻辑回归、支持向量机（SVM）、决策树以及K近邻(KNN)分类器。通过交叉验证和超参数调优来评估各个模型的性能，并使用混淆矩阵、准确率及F1得分等指标来进行评价。