Read more
A qualidade do vinho é importante para os consumidores e também para a indústria vinícola. A forma tradicional (testador especializado em vinhos) de medir a qualidade do vinho pode ser cara e demorada. Hoje em dia, os modelos de aprendizado de máquina são as principais ferramentas para substituir a intervenção humana. Como um subcampo da Inteligência Artificial (IA), o Machine Learning (ML) visa compreender a estrutura dos dados e encaixá-los em modelos, que posteriormente podem ser utilizados em dados invisíveis para atingir a tarefa desejada. O aprendizado de máquina tem sido amplamente utilizado em vários setores, como negócios, medicina e astrofísica, para citar alguns e muitos outros problemas científicos. Inspirados no sucesso da Inteligência Artificial em vários setores diferentes, podemos utilizá-la para prever a qualidade do vinho com base em várias propriedades físico-químicas do vinho. Entre vários métodos de aprendizado de máquina, analisamos o desempenho dos métodos de ML de conjunto de árvores extremamente aleatórias (árvores extras), Extreme Gradient Boosting (XG Boost) e Light gradiente-boosting machine (Light GBM). Este trabalho demonstra como a análise estatística de dados pode ser utilizada para identificar os componentes que controlam principalmente a qualidade do vinho antes da produção.
About the author
Todos los autores están trabajando en el ADYPSOE Lohegaon Pune, India. Nuestro instituto es la marca Colegio de Ingeniería en la India y nuestra universidad está afiliada a SPPU, Pune Maharashtra, India. Estamos muy contentos de trabajar en nuestra actual universidad ADYPSOE Pune.
