使用一维卷积神经网络预测红葡萄酒质量
机器学习
2023-01-19 v2
摘要
作为一种酒精饮料，葡萄酒在数千年来一直广受欢迎，而葡萄酒的质量评估在葡萄酒生产和贸易中具有重要意义。学者们已提出多种深度学习和机器学习算法用于葡萄酒质量预测，如支持向量机（SVM）、随机森林（RF）、K近邻（KNN）、深度神经网络（DNN）和逻辑回归（LR）。然而，这些方法忽略了葡萄酒理化性质之间的内在关系，例如pH值、固定酸度、柠檬酸等之间的相关性。为填补这一空白，本文对这些性质进行了Pearson相关性分析、PCA分析和Shapiro-Wilk检验，并引入一维卷积神经网络（1D-CNN）架构以捕捉相邻特征间的相关性。此外，采用了dropout和批量归一化技术以提高所提模型的鲁棒性。大量实验表明，我们的方法在葡萄酒质量预测上优于基线方法。而且，消融实验也证明了引入一维CNN模块、Dropout和归一化技术的有效性。
引用
@article{arxiv.2208.14008,
title = {Prediction of Red Wine Quality Using One-dimensional Convolutional Neural Networks},
author = {S. Di and Y. Yang},
journal= {arXiv preprint arXiv:2208.14008},
year = {2023}
}