基于支持向量机方法的葡萄酒质量预测研究

摘要

随着人们生活水平不断的提高，葡萄酒越来越受到人们的喜爱。葡萄酒的产量越来越大。然而葡萄酒质量鉴定手段还是仅靠品酒师的人工品尝打分来判定葡萄酒质量的好坏，显然这种鉴定方式难以满足当今市场的需求。现在有不少学者运用数据挖掘中的一些算法(比如Logistic多项模型，人工神经网络，支持向量机，决策树，Bagging，AdaBoost，最近邻方法等算法)来对葡萄酒质量进行预测研究，其结果并不是很好(误判率均在15％以上)，但相对于仅靠品酒师的人工品尝打分来判定，其结果还是较为可靠的，通过前人的研究可以知道仅仅简单使用支持向量机中的常见核函数，并不能很好的预测葡萄酒质量，因此本文基于支持向量机方法的核函数进行修改，主要将支持向量机方法中常见核函数进行线性组合而得到新的核函数。本文通过使用UCI数据库中的“Wine Quality Data Set”的数据来验证本文所提出的方法与数据挖掘常用的算法进行对比，通过十折交叉验证的方法来判断方法的好坏。