Read more
La calidad del vino es importante tanto para los consumidores como para la industria vitivinícola. La forma tradicional (probador de vinos experto) de medir la calidad del vino puede resultar costosa y consumir mucho tiempo. Hoy en día, los modelos de aprendizaje automático son las principales herramientas para reemplazar la intervención humana. Como subcampo de la Inteligencia Artificial (IA), el Aprendizaje Automático (ML) tiene como objetivo comprender la estructura de los datos y encajarlos en modelos, que luego pueden usarse en datos invisibles para lograr la tarea deseada. El aprendizaje automático se ha utilizado ampliamente en diversos sectores, como el empresarial, el médico y el astrofísico, por nombrar algunos y muchos otros problemas científicos. Inspirándonos en el éxito de la Inteligencia Artificial en varios sectores diferentes, podemos utilizarla para predecir la calidad del vino en función de diversas propiedades fisicoquímicas del vino. Entre varios métodos de aprendizaje automático, analizamos el rendimiento de los métodos de aprendizaje automático conjunto de árboles extremadamente aleatorios (árboles adicionales), aumento de gradiente extremo (XG Boost) y máquina de aumento de gradiente ligero (Light GBM). Este trabajo demuestra cómo se puede utilizar el análisis de datos estadísticos para identificar los componentes que controlan principalmente la calidad del vino antes de la producción.
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.
