葡萄酒分类UCI Wine数据集是机器学习领域最经典的基准数据集之一主要用于多类别分类任务。它源自1987年意大利皮埃蒙特大区Piedmont的葡萄酒化学分析研究记录了三种不同葡萄栽培品种所酿葡萄酒的13种理化成分指标共包含178个样本分为三个互斥类别Class 1Barolo59个样本、Class 2Grignolino71个样本、Class 3Barbera48个样本。该数据集的核心价值在于其特征具有明确的化学物理意义且所有样本均来自同一地理区域有效控制了环境变量干扰使化学成分与葡萄品种之间的关联更具因果解释性。它常被用于教学演示、算法验证和模型对比是理解监督学习、特征工程和模式识别的理想入门数据。UCI Wine数据集中的三个类别分别对应意大利皮埃蒙特大区三种具有代表性的葡萄栽培品种所酿制的葡萄酒具体为Class 1: Barolo巴罗洛——由内比奥罗Nebbiolo葡萄酿造是意大利最负盛名的红葡萄酒之一以高单宁、复杂香气和陈年潜力著称。Class 2: Grignolino格里诺里诺——一种轻盈、果香浓郁、酸度较高的红葡萄酒常带有草本和红色浆果风味适合年轻时饮用。Class 3: Barbera巴贝拉——以高酸度、低单宁、深色水果风味为特点是皮埃蒙特地区产量最大、最日常饮用的红葡萄酒品种。这三个类别并非基于产地差异而是源于不同葡萄品种在相同地理与气候条件下所表现出的化学成分差异。数据集通过检测每款酒中13种理化指标如酒精浓度、苹果酸、灰分、总酚、黄酮类、脯氨酸等构建了一个典型的多分类问题用于训练和评估机器学习模型对葡萄酒品种的自动识别能力。该数据集自1987年发布以来因其结构清晰、特征可解释性强、样本量适中共178个样本三类分别为59、71、48个成为教学与研究中广泛使用的基准数据集尤其适用于监督学习、特征选择、降维与分类算法对比等任务。UCI Wine 数据集包含的13 种化学成分特征是通过标准化学分析方法测得的。这些特征不仅数值差异显著而且具有明确的物理和化学意义正是它们构成了区分三种葡萄酒Barolo, Grignolino, Barbera的基础。以下是这 13 个特征的详细列表及其在分类中的作用解析1. 酒精浓度单位% vol (体积百分比)作用这是区分度最高的特征之一。通常Class 1 (Barolo)的酒精含量较高因为内比奥罗葡萄成熟度高糖分转化率高而Class 2 (Grignolino)的酒精含量通常较低。它是模型判断酒体“厚重”程度的首要指标。2. 苹果酸单位g/L作用苹果酸是葡萄酒中主要的酸性物质之一带来尖锐的酸味。随着葡萄酒的陈年或进行苹果酸-乳酸发酵其含量会下降。Class 3 (Barbera)以高酸度著称因此在这个特征上往往数值较高。3. 灰分单位g/L作用指葡萄酒燃烧后留下的无机矿物质残留物。它与土壤的矿物质含量有关。虽然区分度不如酒精和酸度明显但它能反映葡萄生长环境的土壤特性尽管都在皮埃蒙特大区微气候和土壤仍有差异。4. 灰分的碱度单位mEq/L作用这是一个衡量葡萄酒缓冲能力的指标与pH值密切相关。它反映了酒中阴阳离子的平衡状态。不同的酿造工艺和葡萄品种会导致这一数值的波动辅助区分酒的稳定性。5. pH值单位无 (对数标度)作用直接反映酒的酸碱度。pH值越低酸度越高。Class 2 (Grignolino)和Class 3 (Barbera)通常比 Class 1 有更低的pH值更酸。这个特征对于判断酒的色泽稳定性和微生物稳定性至关重要。6. 总酚单位mg/L (没食子酸当量)作用酚类物质包括单宁、色素等。Class 1 (Barolo)以其强劲的单宁和深邃的颜色闻名因此其总酚含量通常显著高于其他两类。这是区分“重酒体”红酒的关键指标。7. 黄酮类化合物单位mg/L作用主要存在于葡萄皮中负责红葡萄酒的颜色花青素和部分苦涩味。由于 Barolo 的浸皮时间通常很长为了提取颜色和单宁其黄酮类含量通常最高。8. 非黄烷类酚单位mg/L作用另一类酚类物质主要影响酒的收敛性涩感和抗氧化能力。它与总酚结合使用能更精准地描绘出葡萄酒的结构感。9. 原花色素单位mg/L作用这是一类特定的多酚与葡萄酒的颜色深度和陈年潜力直接相关。Barolo 需要陈年多年其原花色素含量通常较高有助于聚合形成稳定的色素沉淀。10. 颜色强度单位吸光度单位作用通过在特定波长通常是420nm, 520nm, 620nm下的吸光度总和来测量。简单来说就是酒看起来有多“黑”或多“深”。Class 1 (Barolo)颜色最深Class 2 (Grignolino)颜色最浅甚至有时呈淡宝石红。这是一个非常直观的视觉量化指标。11. 色调单位吸光度比值 (A420/A520)作用反映颜色的偏向偏蓝/紫还是偏橙/砖红。年轻的酒通常偏紫低色调值陈年的酒偏砖红高色调值。虽然三类酒都来自同一年份范围但不同品种的天然色素结构不同导致色调有细微差别。12. OD280/OD315 稀释葡萄酒单位吸光度比值作用这是衡量蛋白质含量的一个指标蛋白质在280nm处有吸收峰。它与葡萄酒的浑浊度和稳定性有关。不同品种的葡萄蛋白质含量不同且酿造过程中的澄清处理也会影响此数值。13. 脯氨酸单位mg/L作用这是一种氨基酸是葡萄酒中含量最丰富的氨基酸。它主要来自葡萄本身受品种影响很大且不易受发酵过程破坏。因此它是一个非常好的品种指纹特征对于区分遗传背景不同的葡萄品种如内比奥罗 vs 巴贝拉非常有效。总结特征与类别的关系在实际的机器学习任务中这些特征并非同等重要。根据统计学分析如Fisher判别分析最具区分力的特征通常是Flavanoids (黄酮类)、OD280/OD315和Proline (脯氨酸)。仅凭这三个特征往往就能达到极高的分类准确率。Class 1 (Barolo) 的典型画像高酒精、高总酚、高黄酮、高颜色强度、高脯氨酸。Class 2 (Grignolino) 的典型画像低酒精、低总酚、低颜色强度、高pH相对较不酸。Class 3 (Barbera) 的典型画像中等酒精、高酸度低pH、中等酚类物质。核心特征Class 1 (Barolo)Class 2 (Grignolino)Class 3 (Barbera)酒精浓度较高较低中等黄酮类化合物高低中等颜色强度最深最浅中等pH值较高 (酸度相对低)中等较低 (酸度高)脯氨酸高低中等根据葡萄酒的化学特性对来自三个酒庄的葡萄酒进行分类酒精苹果酸灰灰的碱度镁总酚黄酮类非黄酮类酚原花青素颜色深度色调稀释葡萄酒的 OD280/OD315脯氨酸AlcoholMalic acidAshAlkalinity of ashMagnesiumTotal phenolsFlavonoidsNonflavonoid phenolsProanthocyanidinsColor intensityHueOD280/OD315 of diluted winesProline在这个经典的 UCI Wine 数据集中这三个类别代表了意大利的三个不同葡萄栽培品种Cultivars也就是不同类型的葡萄酒。根据数据集的原始文档和化学分析背景这三个类别具体是● Class 1: Barolo (巴罗洛)● Class 2: Grignolino (格里诺里诺)● Class 3: Barbera (巴贝拉)这三个类别本质上是同一种葡萄品种在不同产地或者不同品种的葡萄酿造成的酒。数据集的采集背景是对来自意大利同一地区皮埃蒙特大区的这三种葡萄酒进行化学分析通过检测 13 种化学成分如酒精、苹果酸、灰分等的含量来区分它们。