Die Weinqualit???t ist sowohl f???r die Verbraucher als auch f???r die Weinindustrie wichtig. Die herk???mmliche Methode (durch einen erfahrenen Weintester) zur Messung der Weinqualit???t kann teuer und zeitaufw???ndig sein. Heutzutage sind maschinelle Lernmodelle die wichtigsten Werkzeuge, um menschliches Eingreifen zu ersetzen. Als Teilbereich der k???nstlichen Intelligenz (KI) zielt maschinelles Lernen (ML) darauf ab, die Struktur der Daten zu verstehen und sie in Modelle einzupassen, die sp???ter auf unbekannte Daten ...
Read More
Die Weinqualit???t ist sowohl f???r die Verbraucher als auch f???r die Weinindustrie wichtig. Die herk???mmliche Methode (durch einen erfahrenen Weintester) zur Messung der Weinqualit???t kann teuer und zeitaufw???ndig sein. Heutzutage sind maschinelle Lernmodelle die wichtigsten Werkzeuge, um menschliches Eingreifen zu ersetzen. Als Teilbereich der k???nstlichen Intelligenz (KI) zielt maschinelles Lernen (ML) darauf ab, die Struktur der Daten zu verstehen und sie in Modelle einzupassen, die sp???ter auf unbekannte Daten angewendet werden k???nnen, um die gew???nschte Aufgabe zu erf???llen. Maschinelles Lernen wird in verschiedenen Bereichen wie der Wirtschaft, der Medizin und der Astrophysik h???ufig eingesetzt, um nur einige und viele andere wissenschaftliche Probleme zu nennen. Inspiriert durch den Erfolg der k???nstlichen Intelligenz in verschiedenen Sektoren k???nnen wir sie f???r die Vorhersage der Weinqualit???t auf der Grundlage verschiedener physikalisch-chemischer Eigenschaften des Weins nutzen. Unter verschiedenen Methoden des maschinellen Lernens analysieren wir die Leistung der Ensemble-ML-Methoden Extremely Randomized Trees (Extra Trees), Extreme Gradient Boosting (XG Boost) und Light Gradient-Boosting Machine (Light GBM). Diese Arbeit zeigt, wie mithilfe der statistischen Datenanalyse die Komponenten identifiziert werden k???nnen, die die Weinqualit???t vor der Produktion haupts???chlich steuern.
Read Less
