XI Международная студенческая научная конференция Студенческий научный форум - 2019

Введение

Оценка качества винных изделий является не простым процессом без проведения специальных лабораторных тестов и экспертных дегустаций. Применение методов интеллектуального анализа данных в винодельческой отрасли позволит значительно облегчить процесс определения качества вина.

Благодаря тому, что за последние несколько лет были разработаны многочисленные библиотеки с открытым исходным кодом и мощные алгоритмы, позволяющие обнаруживать в данных повторяющиеся образы, стало возможным делать прогнозы о будущих событиях.

Таким образом, основываясь только на наборе химических показателей, классификация качества винных изделий будет производиться без участия экспертов.

Постановка задачи и описание набора данных

Основной целью данной работы является разработка программного продукта для классификации экспертных сенсорных оценок качества винных изделий на основе физико-химических тестов.

Для исследования предметной области использовался набор данных белого португальского вина «Vinho Verde» [2], взятый из общедоступного хранилища UC Irvine [7].

Этот набор данных содержат 3298 уникальных экземпляров белого вина с 11 физико-химическими характеристиками, такими как:

   1 – фиксированная кислотность (fixed acidity);

   2 – летучая кислотность (volatile acidity);

   3 – лимонная кислота (citric acid);

   4 – остаточный сахар (residual sugar);

   5 – хлориды (chlorides);

   6 – свободный диоксид серы (free sulfur dioxide);

   7 – общий диоксид серы (total sulfur dioxide);

   8 – плотность (density);

   9 – pH;

   10 – сульфаты (sulphates);

   11 – алкоголь (alcohol).

Кроме этого, эксперты в ходе дегустации оценили качество вина от 0 (очень плохо) до 10 (очень хорошо). Усредненные сенсорные оценки по каждому примеру содержатся в этом же наборе данных.

Практическая реализации

Этапы практической реализации заключаются в следующем:

В интерактивной оболочке Jupyter Notebook [4] подключаются необходимые библиотеки [5] интеллектуального анализа данных.

Набор данных представлен в файле формата *.csv. Он загружается в оперативную память.

Переменной Y присваивается вектор со всеми значениями сенсорных оценок, значения остальных признаков записываются в переменную Х.

После того как данные загружены необходимо провести качественный анализ.

Анализ данных

Авторами проведен статистический анализ данных на основе имеющегося набора и были определены минимальное, максимальное, среднее и стандартное отклонение значений всех экземпляров для каждого примера, которые представлены в таблице 1.

Таблица 1. Статистические данные по набору

Признак	Мин.	Макс.	Ср. знач.	Ст. откл.
Fixedacidity(г\дм3)	3.800	14.20	6.855	0.842
Volatileacidity (г\дм3)	0.080	1.100	0.278	0.100
Citricacid (г\дм3)	0.000	1.660	0.333	0.121
Residualsugar (г\дм3)	0.600	65.80	6.406	5.108
Chlorides (г\дм3)	0.009	0.346	0.046	0.021
Free sulfur dioxide (мг\дм3)	3.000	289.0	35.33	17.16
Total sulfur dioxide (мг\дм3)	9.000	440.0	138.4	42.99
Density (г\см3)	0.987	1.039	0.994	0.003
pH	2.740	3.800	3.188	0.150
Sulphates (г\дм3)	0.220	1.080	0.490	0.114
Alcohol (%)	8.000	4.200	10.52	1.237
Quality	3.000	9.000	5.877	0.890

Исходный набор не содержит отрицательных значений и пропусков, а также ни один из винных экземпляров не получил оценку ниже 3 или выше 9, поэтому сформировано 7 классов качества.

Архитектура нейронной сети

Модель нейронной сети представляет собой многослойный персептрон, схематично изображен на рисунке 1.

Рис. 1. Архитектура многослойного персептрона

Входной слой обозначен красным цветом и включает 11 входных параметров, перечисленные в первом столбце таблицы 1. Определение количества скрытых слоев и нейронов в них зависит от показателя точности (accuracy). Опытным путем установлено, что 5 скрытых слоев по 100 нейронов каждый является оптимальным, в противном случае будем иметь более низкие показатели обучаемости сети. Последний слой, синий, состоит из 7 выходных значений классов качества.

Существует несколько методов обучения нейронной сети и в нашей задаче будет использоваться алгоритм обратного распространения ошибки, который использует стохастический градиентный спуск (SGD) [6] в качестве алгоритма оптимизации. Функцией активации нейронов выступает выпрямленная линейная функция (ReLU) [3]. На рисунке 2 изображена часть программного кода, необходимая для реализации обучения нейронной сети.

Рис. 2. Пример программного кода для обучения нейронной сети

Для оценки точности работы используемого алгоритма применяется такая метрика, как достоверность.

Оценка точности алгоритма

Достоверность (accuracy) – это доля выборки, по которым классификатор принял правильное решение. Достоверность считается по формуле:

1)

где – достоверность c-го класса, TN – истинно-отрицательное решение, TP – истинно-положительное решение, FP – ложно-положительное решение, FN – ложно-отрицательное решение [1].

Для оценки точности работы алгоритма исходный набор данных был случайным образом разделен на обучающую и тестовую выборку в соотношении 7:3 соответственно.

Обучив модель нейронной сети и протестировав ее на данных второй выборки получился следующий результат: accuracy=0.453532. Для повышения accuracy можно пытаться подобрать более удачные гиперпараметры или воспользоваться другим алгоритм.

Заключение

В ходе решения поставленной задачи была спроектирована и обучена модель нейронной сети, проведено испытание на тестовой выборке и получена оценка точности алгоритма.

Таким образом, можно заключить, что на прирост точности влияют множество факторов и нюансов, для этого изначально рекомендуется качественно исследовать набор данных, связи между различными признаками, корреляцию. Это позволит лучше понять данные, с которыми предстоит работа и в перспективе найти оптимальную модель обучения.

Список литературы

Рашка С. Python и машинное обучение. Издательство ДМК-Пресс, 2017 г. – 418 с.

P. Cortez, A. Cerdeira, F. Almeida, T. Matos and J. Reis. Modeling wine preferences by data mining from physicochemical properties. In Decision Support Systems, Elsevier, 47(4):547-553. ISSN: 0167-9236.

Activation Functions: Neural Networks [Электронныйресурс]. − Режим доступа: https://towardsdatascience.com/activation-functions-neural-networks-1cbd9f8d91d6/. Дата обращения: 24.12.2018.

Project Jupyter | Documentation [Электронныйресурс]. − Режим доступа: https://jupyter.org/documentation/. Дата обращения: 24.12.2018.

Scikit-learn documentation [Электронныйресурс]. − Режим доступа: http://scikit-learn.org/. Дата обращения: 24.12.2018.

Stochastic Gradient Descent – Mini-batch and more [Электронныйресурс]. − Режим доступа: https://adventuresinmachinelearning.com/stochastic-gradient-descent/. Дата обращения: 24.12.2018.

UC Irvine Machine Learning Repository [Электронныйресурс]. − Режим доступа: http://archive.ics.uci.edu/ml/index.php/. Дата обращения: 24.12.2018.

Код для цитирования: Скопировать