Publisher's Synopsis
La qualità del vino è importante sia per i consumatori che per l'industria vinicola. Il metodo tradizionale (tester esperto di vino) per misurare la qualità del vino potrebbe essere costoso e richiedere molto tempo. Al giorno d'oggi, i modelli di machine learning sono i principali strumenti per sostituire l'intervento umano. Come sottocampo dell'Intelligenza Artificiale (AI), il Machine Learning (ML) mira a comprendere la struttura dei dati e inserirli in modelli, che successivamente possono essere utilizzati su dati invisibili per raggiungere il compito desiderato. Il Machine Learning è stato ampiamente utilizzato in vari settori come quello aziendale, medico e astrofisico, per citarne solo alcuni e molti altri problemi scientifici. Ispirati dal successo dell'intelligenza artificiale in vari settori diversi, possiamo usarlo per la previsione della qualità del vino basata su varie proprietà fisico-chimiche del vino. Tra i vari metodi di machine learning, analizziamo le prestazioni dei metodi ML ensemble di alberi estremamente randomizzati (Extra tree), Extreme Gradient Boosting (XG Boost) e Light gradient-boosting machine (Light GBM). Questo lavoro dimostra come l'analisi statistica dei dati possa essere utilizzata per identificare i componenti che controllano principalmente la qualità del vino prima della produzione.
