| Popis: |
Ovaj rad se bavi implementacijom klasifikacijskih metoda u područje poboljšanja kvalitete vina. Kako bi se smanjila potreba za ljudskim stručnjacima za kontrolu kvalitete vina, povoljno bi bilo što bolje unaprijed znati koje značajke utječu na njegovu kvalitetu i kako utjecati na njegovo poboljšanje. Ovaj rad koristi klasifikacijske metode kao što su decision trees, random forrest, AdaBoost, Gradient Boost i XGBoost kako bi stvorili vezu između željenih izlaznih varijabli te zavisnih značajki. Također, uspoređuju se i klasifikacijske metode međusobno kako bi imali uvid u to koja od njih nudi najbolje rješenje za ovaj problem. This paper deals with the implementation of classification methods in the area of wine quality improvement. In order to reduce the need for human experts to control the quality of wine, it would be advantageous to know in advance which features affect its quality and how to influence its improvement. This work uses classification methods such as decision trees, random forrest, AdaBoost, Gradient Boost and XGBoost to create a connection between the desired output variables and the dependent features. Also, classification methods are compared with each other in order to have an insight into which of them offers the best solution for this problem. |
