基于机器学习的葡萄酒质量预测代码

以下是一个基于机器学习的葡萄酒质量预测的Python代码示例，使用了Scikit-Learn库中的随机森林回归模型：

# 导入必要的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error

# 读取数据
data = pd.read_csv('winequality-red.csv', delimiter=';')

# 特征选择
X = data.drop('quality', axis=1)
y = data.quality

# 数据集划分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练随机森林回归模型
rf = RandomForestRegressor(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)

# 预测测试集
y_pred = rf.predict(X_test)

# 评估模型
mse = mean_squared_error(y_test, y_pred)
rmse = mse ** 0.5
print('均方根误差：', rmse)

这段代码使用了随机森林回归模型对红葡萄酒的质量进行预测。首先，读取了数据集，并将其分为特征和目标变量。然后，将数据集分为训练集和测试集。接下来，使用随机森林回归模型进行训练，并对测试集进行预测，最后评估模型的性能。