python预测葡萄酒质量

要预测葡萄酒质量，可以使用Python中的机器学习算法，如线性回归、决策树、随机森林等。以下是一个使用随机森林算法预测葡萄酒质量的示例代码：

首先，导入所需的库和数据集：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 读入数据集
wine_data = pd.read_csv('winequality-red.csv', sep=';')

接下来，对数据进行预处理和特征工程，将数据集分为训练集和测试集：

# 预处理和特征工程
wine_data['quality_label'] = wine_data['quality'].apply(lambda x: 'low' if x <= 5 else 'medium' if x <= 7 else 'high')
wine_data = wine_data.drop('quality', axis=1)
X = wine_data.iloc[:, :-1]
y = wine_data.iloc[:, -1]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

然后，使用随机森林算法进行训练和预测，并计算准确率：

# 训练和预测
rf = RandomForestClassifier(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)
y_pred = rf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

以上代码中，将葡萄酒质量标签分为低、中、高三个等级，并将其作为分类目标进行预测。最后输出的准确率可以反映出模型的预测效果。