Анализ датасета Wine

👥 Информация о рецензируемых работах

Рецензенты:

• Пашков Эдуард
• Павалаки Денис

👨‍🎓 Информация о студенте

ФИО: Чурсина Елизавета Анатольевна
Группа: РИ-150942 Номер задания: 2
Дисциплина: Информационные технологии и сервисы

📋 Описание задания

Задача: Провести комплексный exploratory data analysis (EDA) датасета Wine

Что нужно анализировать:

• Целевую переменную (классы вин)
• Статистические характеристики признаков
• Распределения и взаимосвязи признаков
• Корреляции между переменными

✅ Выполненные работы

1. Загрузка данных

• Загружен датасет Wine из scikit-learn
• Преобразован в pandas DataFrame
• Заменены числовые метки на текстовые названия классов
• Проверена целостность данных

2. Анализ целевой переменной

• Проанализировано распределение по классам
• Вычислены процентные соотношения
• Построены визуализации распределения

3. Анализ признаков

• Исследованы 13 химических характеристик вин
• Проанализированы распределения признаков
• Выявлены различия между классами

4. Визуализация

• Столбчатые и круговые диаграммы распределения классов
• Гистограммы распределения признаков (сетка 3x2)
• Boxplot анализа по классам (сетка 3x2)
• Heatmap матрицы корреляций

5. Статистика

• Вычислены основные статистические показатели
• Проанализированы корреляции между признаками
• Исследованы различия в распределениях

📊 Таблица с метриками

🔢 Ключевые числа

Распределение классов:

• class_0: 59 образцов (33.1%)
• class_1: 71 образцов (39.9%)
• class_2: 48 образцов (27.0%)

Сильные корреляции:

• Total phenols & Flavanoids: 0.86
• Flavanoids & OD280/OD315: 0.79
• Hue & Color intensity: -0.56

🔍 Ключевые находки

1. Сбалансированность данных

• Классы относительно сбалансированы
• Отсутствует критический дисбаланс
• Пригодно для многоклассовой классификации

2. Информативные признаки

• Flavanoids - наибольшая разделительная способность
• Proline - четко отделяет класс 0
• Color intensity - отличает класс 2
• OD280/OD315 - хороший разделитель всех классов

3. Различия между классами

• Класс 0: Высокие Flavanoids и Proline, низкая Color intensity
• Класс 1: Сбалансированный профиль, средние значения
• Класс 2: Высокая Color intensity, низкие Flavanoids

4. Качество данных

• ✅ Полнота данных: Отсутствуют пропущенные значения
• ✅ Чистота данных: Нет критических выбросов, влияющих на анализ
• ✅ Сбалансированность: Классы относительно равномерно распределены
• ✅ Целостность: Все наблюдения завершены и пригодны для анализа

💡 Выводы из анализа

1. Для предобработки данных

• Требуется стандартизация признаков (разный масштаб)
• Возможно уменьшение размерности (высокие корреляции)
• Все признаки содержат полезную информацию

2. Для моделирования

• Рекомендуемые алгоритмы: Random Forest, SVM, Gradient Boosting
• Валидация: Стратифицированная k-fold кросс-валидация
• Метрики: Accuracy, F1-score, Precision, Recall

3. Перспективы

• Данные хорошо подходят для классификации
• Имеются четкие различия между классами
• Возможно достижение высокой точности классификации

📁 Файлы

Созданные файлы:

• wine_analysis.py
  - основной код анализа
• 02_wine_target_distribution.png
  - распределение классов
• 02_wine_features_distribution.png
  - гистограммы признаков
• 02_wine_features_by_class.png
  - boxplot по классам
• 02_wine_correlation_matrix.png
  - матрица корреляций
• README.md
  - документация и отчет

Удалённые файлы:

• FILE_UPDATE_REPORT.md
• CONTRIBUTING.md

Используемые библиотеки: