🍷 Задание 8: Анализ датасета Wine Quality

Информация о рецензируемых работах

• JustWain

👥 Информация о студенте

• ФИО: Митрофанов Артемий Олегович
• Группа: РИ-150911
• Номер задания: 8
• Профиль на GitVerse: hrogma (https://gitverse.ru/hrogma) (замените на реальный)

⚠️ Эта работа проходит рецензирование в рамках курса по анализу данных.

---

📝 Описание задания

Необходимо провести exploratory data analysis (EDA) датасета Wine Quality, содержащего физико-химические свойства красного вина и экспертные оценки его качества по шкале от 3 до 9.

Цель анализа:

• Понять распределение качества вина
• Исследовать статистику и распределения признаков
• Оценить взаимосвязь признаков с целевой переменной
• Подготовить данные и визуализации для последующих задач:
  • регрессии (прогноз оценки от 3 до 8)
  • классификации (Low / Medium / High)

---

✅ Выполненные работы

🔽 Загрузка данных

• Данные загружены напрямую из официального источника:
  UCI Machine Learning Repository — winequality-red.csv
• Использован только датасет красного вина (
  1599 строк × 12 столбцов
  )
• Не использованы сторонние библиотеки вроде
  datasets
  — только
  pandas.read_csv

🎯 Анализ целевой переменной (

quality

)

• Оценка качества — целое число от 3 до 8
• Распределение несбалансировано: большинство значений — 5 и 6

📐 Анализ признаков

• Проанализированы все 11 физико-химических признаков:
  • fixed acidity
    ,
    volatile acidity
    ,
    citric acid
    ,
    residual sugar
    ,
    
    chlorides
    ,
    free sulfur dioxide
    ,
    total sulfur dioxide
    ,
    
    density
    ,
    pH
    ,
    sulphates
    ,
    alcohol

📊 Визуализация

Созданы и сохранены следующие графики:

• Распределение качества (
  08_wine_quality_target_distribution.png
  )
• Гистограммы признаков (
  08_wine_quality_features_distribution.png
  )
• Scatter plots: признаки vs качество (
  08_wine_quality_vs_features.png
  )
• Корреляции с качеством (
  08_wine_quality_correlation_bars.png
  )
• Boxplots по категориям качества (
  08_wine_quality_by_category.png
  )

📈 Статистика

Таблица с ключевыми метриками целевой переменной

Топ-3 признака по модулю корреляции с

quality

---

🔍 Ключевые находки

1. Алкоголь — самый сильный положительный предиктор качества (r = +0.48).
2. Летучая кислотность — сильнейший негативный фактор (r = –0.40).
3. Вина с высокой оценкой (7–8) характеризуются:
   • повышенным содержанием алкоголя и сульфатов,
   • пониженной летучей кислотностью и хлоридами.
4. Распределение оценок смещено влево: мало образцов с очень высоким (7–8) и очень низким (3–4) качеством → датасет несбалансирован.

---

💡 Выводы из анализа

• Качество вина можно частично объяснить его химическим составом.
• Наиболее перспективные признаки для модели:
  alcohol
  ,
  volatile acidity
  ,
  sulphates
  .
• Задача регрессии возможна, но из-за дискретности и ограниченного диапазона целевой переменной многоклассовая классификация (например, 3–4–5–6–7–8) или бинарная/трёхклассовая (Low/Medium/High) может быть предпочтительнее.
• Необходимо учитывать дисбаланс классов при обучении моделей.

---

📁 Файлы

Добавлено

• wine_quality_analysis.py
  — основной скрипт EDA
• README.md
  — настоящий отчёт
• 08_wine_quality_target_distribution.png
• 08_wine_quality_features_distribution.png
• 08_wine_quality_vs_features.png
• 08_wine_quality_correlation_bars.png
• 08_wine_quality_by_category.png

Удалено

• scripts/PANDAS_CHEATSHEET.md
• scripts/CODE_REQUIREMENTS.md
• scripts/MATPLOTLIB_CHEATSHEET.md
• scripts/ASSIGNMENTS_README.md
• FILE_UPDATE_REPORT.md
• CONTRIBUTING.md

Все графики генерируются автоматически при запуске скрипта.