Sklean数据集（2）-红酒-阿里云开发者社区

Sklean数据集（2）-红酒

2023-02-13 234

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： Sklean数据集（2）-红酒

原文:

Wine recognition dataset

**Data Set Characteristics:**

Number of Instances: 178 (50 in each of three classes)

Number of Attributes: 13 numeric, predictive attributes and theclass

Attribute Information:

Alcohol
Malic acid
Ash
Alcalinity of ash
Magnesium
Total phenols
Flavanoids
Nonflavanoid phenols
Proanthocyanins
Color intensity
Hue
OD280/OD315 of diluted wines
Proline
class:
class_0
class_1
class_2

Summary Statistics:

Min Max Mean SD

Alcohol: 11.0 14.8 13.0 0.8

Malic Acid: 0.74 5.80 2.34 1.12

Ash: 1.36 3.23 2.36 0.27

Alcalinity of Ash: 10.6 30.0 19.5 3.3

Magnesium: 70.0 162.0 99.7 14.3

Total Phenols: 0.98 3.88 2.29 0.63

Flavanoids: 0.34 5.08 2.03 1.00

Nonflavanoid Phenols: 0.13 0.66 0.36 0.12

Proanthocyanins: 0.41 3.58 1.59 0.57

Colour Intensity: 1.3 13.0 5.1 2.3

Hue: 0.48 1.71 0.96 0.23

OD280/OD315 of diluted wines: 1.27 4.00 2.61 0.71

Proline: 278 1680 746 315

Missing Attribute Values: None

Class Distribution: class_0 (59), class_1 (71), class_2 (48)

Creator: R.A. Fisher

Donor: Michael Marshall (MARSHALL%PLU@io.arc.nasa.gov)

Date: July, 1988

This is a copy of UCI ML Wine recognition datasets.

https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data

The data is the results of a chemical analysis of wines grown in thesame region in Italy by three different cultivators. There are thirteendifferent measurements taken for different constituents found in the threetypes of

wine.

Original Owners:

Forina, M. et al, PARVUS -

An Extendible Package for Data Exploration, Classification andCorrelation. Institute of Pharmaceutical and Food Analysis and Technologies,ViaBrigata Salerno, 16147 Genoa, Italy.

Citation:

Lichman, M. (2013). UCI Machine LearningRepository[https://archive.ics.uci.edu/ml]. Irvine, CA: University of California,Schoolof Information and Computer Science.

topic:: References

(1) S. Aeberhard, D. Coomansand O. de Vel, Comparison of Classifiers in High Dimensional Settings, Tech.Rep. no. 92-02, (1992), Dept. of Computer Science and Dept. of Mathematics and Statistics, James CookUniversity of North Queensland. (Also submitted to Technometrics).

The data was used with many others for comparing variousclassifiers. The classes are separable, though only RDA has achieved 100%correct classification. (RDA : 100%, QDA 99.4%, LDA 98.9%, 1NN 96.1%(z-transformed data)) (All results usingthe leave-one-out technique)

(2) S. Aeberhard, D. Coomansand O. de Vel, "THE CLASSIFICATION PERFORMANCE OF RDA" Tech. Rep. no.92-01, (1992), Dept. of Computer Science and Dept. of Mathematics and Statistics, James CookUniversity of North Queensland. (Also submitted to Journal of Chemometrics).

译文:

葡萄酒识别数据集

**数据集特征：**

实例数：178（三个类各50个）

属性数：13个数值、预测属性和类

属性信息：

酒精
苹果酸
灰烬
灰分的碱性
镁
总酚类
黄酮类化合物
非黄酮类酚类
原花青素
颜色强度
色调
稀释葡萄酒的OD280/OD315
脯氨酸
类：
-0类
-1类
-2类

摘要统计：

最小最大平均标准差

酒精：11.0 14.8 13.0 0.8

苹果酸：0.74 5.80 2.34 1.12

灰分：1.36 3.23 2.36 0.27

灰分的碱性：10.6 30.0 19.5 3.3

镁：70.0 162.0 99.7 14.3

总酚：0.98 3.88 2.29 0.63

黄酮类化合物：0.34 5.08 2.03 1.00

非黄酮类酚类：0.13 0.66 0.36 0.12

原花青素：0.41 3.58 1.59 0.57

颜色强度：1.3 13.0 5.1 2.3

色调：0.48 1.71 0.96 0.23

稀释葡萄酒的OD280/OD315:1.27 4.00 2.610.71

脯氨酸：278 1680 746 315

缺少属性值：无

等级分布：类0（59），类1（71），类2（48）

创建者：R.A.Fisher

捐赠者：迈克尔·马歇尔（Marshall%PLU@io.arc.nasa.gov)

日期：1988年7月

这是UCI-ML葡萄酒识别数据集的副本。

https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data

这些数据是对生长在同一地区的葡萄酒进行化学分析的结果由三个不同的种植者在意大利的地区。有十三种不同对三种类型中发现的不同成分进行测量葡萄酒。

原所有者：

Forina，M.等人，PARVUS-

一种用于数据勘探、分类和对比的可扩展软件包。意大利热那亚16147，Via Brigata Salerno制药和食品分析与技术研究所。

引用：

Lichman，M.（2013年）。UCI机器学习库[https://archive.ics.uci.edu/ml]. 加州欧文：加州大学信息与计算机科学学院。

主题：：参考文献

（1） 1992年，昆士兰大学数学与计算机科学与统计系第92号计算机科学与统计系。（同时提交给Technometrics）。这些数据与许多其他数据一起用于比较各种分类器。虽然只有RDA实现了100%的正确分类，但这些类是可分离的。（RDA:100%，QDA 99.4%，LDA 98.9%，1NN 96.1%（z变换数据））（所有结果均采用“留一”技术）