1. 需求分析
用XGBoost算法对葡萄酒品质进行多分类预测
2. 数据说明
葡萄牙北部绿酒（Vinho Verde）理化检测 + 人工感官评分数据集，2009 年 Cortez 发布于 UCI 机器学习库，同时支持回归（预测分数）、分类（划分品质等级）两大任务。
- 红葡萄酒：
winequality-red.csv - 白葡萄酒：
winequality-white.csv
特征列：
| 英文名称 | 中文释义 | 业务意义 |
|---|---|---|
| fixed acidity | 固定酸度 | 酒石酸、苹果酸等不易挥发有机酸，决定基础酸度 |
| volatile acidity | 挥发性酸度 | 乙酸，过高会出现醋味，大幅降低品质 |
| citric acid | 柠檬酸 | 提升果香，少量可柔化口感 |
| residual sugar | 残糖 | 甜味来源，干型 / 甜型酒区分核心指标 |
| chlorides | 氯化物 | 含盐量，过高带来咸味、劣质口感 |
| free sulfur dioxide | 游离二氧化硫 | 抑菌抗氧化，过量产生刺鼻硫磺味 |
| total sulfur dioxide | 总二氧化硫 | 游离 + 结合 SO₂，食品安全限制指标 |
| density | 密度 | 与酒精度、含糖量强相关 |
| pH | 酸碱度 | 酸度平衡，影响稳定性与风味 |
| sulphates | 硫酸盐 | 提升葡萄酒香气 |
| alcohol | 酒精度 | 高度数通常对应更高品质评分 |
标签列：quality
人工感官打分，区间 3～8 分（无 1/2/9/10），类别极度不均衡：
- 红酒主流：5、6 分；少量 3、4、7、8
- 白酒主流：5、6 分；极少 3、4、8
分类任务常用标签转换方案
原始 quality 是有序多分类，工程上三种主流处理：
方案 1：二分类
- 好酒：quality ≥ 6 → label=1
- 差酒：quality ≤ 5 → label=0 适用：逻辑回归、SVM、二分类树、AUC/KS 评估
方案 2：三分类
- 低档：3,4
- 中档：5,6
- 高档：7,8 适用：有序分类模型（Ordinal Logistic、XGBoost 序分类）
方案 3：原始多分类（6 类：3,4,5,6,7,8）
直接以分数为 6 分类标签，样本分布极不均衡，适合类别不平衡建模（加权损失、过采样）
3. 建模
import pandas as pd from sklearn.metrics import classification_report from sklearn.model_selection import train_test_split, GridSearchCV import xgboost as xgb # xgboost包 import joblib3.1 加载数据
# 1. 获取数据 train = pd.read_csv('./data/winequality-red.csv', sep=';') train.head()3.2 数据预处理
提取特征和标签；缺失值处理；标签处理；划分数据集
# 2. 数据预处理 # 2.1 提取特征和标签 x = train.iloc[:, :-1] y = train['quality'] y.value_counts() # 2.4 标签处理（xgboost可预测多分类，标签要从0开始） y = y - 3 # 2.5 划分数据集 x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=14, stratify=y)3.3 特征工程（无）
3.4 模型训练
# 4 模型训练 # 4.1 场景2：XGBoost（默认参数） # 参数解释：objective：目标函数，多分类问题使用multi:softmax；num_class：标签数量 estimator1 = xgb.XGBClassifier(objective='multi:softmax', num_class=len(y.unique()), random_state=666) estimator1.fit(x_train, y_train) y_pre1 = estimator1.predict(x_test) print('XGBoost（默认参数）分类报告：\n', classification_report(y_test, y_pre1, zero_division=0))3.5 模型评估
# 5. 模型评估 estimator = xgb.XGBClassifier(learning_rate=0.05, max_depth=10, n_estimators=120, objective='multi:softmax', num_class=len(y.unique()), random_state=666) estimator.fit(x_train, y_train) y_pre = estimator.predict(x_test) print('分类报告：\n', classification_report(y_test, y_pre, zero_division=0))3.6 模型保存
# 6. 模型保存 joblib.dump(estimator, './model/xgb_wine_red_model.pkl')3.7 模型应用（预测）
# 7. 加载模型 estimator = joblib.load('./model/xgb_wine_red_model.pkl') # 8.模型预测 y_pre = estimator.predict(x_test) y_pre
