Previsão da qualidade de vinho verde via técnicas de Data Mining

Abstract

A certificação e a avaliação da qualidade são cruciais na indústria do vinho. Actualmente, a qualidade do vinho é avaliada principalmente por testes físico-químicos (e.g. níveis de álcool) e sensoriais (e.g. avaliação via peritos humanos). Neste trabalho, propõe-se uma abordagem de Data Mining para prever as preferências do vinho baseada em testes laboratoriais que estão facilmente disponíveis na fase de certificação. Pretende-se ainda averiguar se os atributos, como o tipo de castas e de sub-região, têm influência na previsão da qualidade do vinho verde branco. Foi considerado um grande volume de amostras de vinho verde branco da região do Minho de Portugal. A qualidade do vinho foi modelada através de uma abordagem de regressão. A extracção de conhecimento foi conseguida através de uma análise de sensibilidade, que mede as variações de resposta de um modelo de previsão quando uma variável de entrada varia através do seu domínio. Três técnicas de regressão foram aplicadas sendo que as Máquinas de Vector de Suporte, alcançaram resultados promissores, superando os métodos de Regressão Múltipla e de Redes Neuronais. O melhor modelo obtido pode ser útil para apoiar o enólogo nas suas avaliações, ajudando também na compreensão de quais são os atributos mais relevantes para aferir a qualidade do vinho, sendo que esta última informação pode servir para melhorar a produção de vinho. Além disso, uma abordagem semelhante pode ser aplicada a determinado nicho de mercado, com vista à modelação de consumidores específicos, o que permitirá a criação de vinhos especiais para estes nichos de mercado.

Certification and quality assessment are crucial issues within the wine industry. Currently, wine quality is mostly assessed by physicochemical (e.g alcohol levels) and sensory (e.g. human expert evaluation) tests. In this work, we propose a data mining approach to predict wine preferences that is based on easily available analytical tests at the certification step. Also, we intend to measure whether the attributes such as Castes and Sub-region have influence in the final wine quality. A large dataset was considered with white vinho verde samples from the Minho region of Portugal. Wine quality was modeled under a regression approach. Knowledge extraction is given in terms of a sensitivity analysis, which measures the model response changes when a given input variable is varied through its domain. Three regression techniques were applied with the Support Vector Machine achieving promising results, outperforming the Multiple Regression and Neural Network methods. This model is useful to support the enologist in her/his evaluations. Also the input variable importance can be used to improve the wine production phase. Finally, the approach proposed in this work could be extended to model the preferences of niche markets, aiming at the design of wine brands that match these market needs.