Meu primeiro projeto de machine learning no qual faço uma análise da qualidade do vinho usando modelos de machine learning de regressão linear e de regressão logística. Os datasets são dados sobre vinhos tintos e vinhos brancos com as seguintes features e target:

Features:

• fixed acidity
• volatile acidity
• citric acid
• residual sugar
• chlorides
• free sulfur dioxide
• total sulfur dioxide
• density
• pH
• sulphates
• alcohol

Target:

• quality (score between 0 and 10)

Os dados foram retirados do repositorio de machine learnind da UCI e para mais informações sobre os datasets segue o link do mesmo: https://archive.ics.uci.edu/ml/datasets/Wine+Quality

1. Análise exploratória dos dados (EDA)
2. Criação de um modelo de regressão linear multipla e posteriomente com as penalizações Lasso, Ridge e Elastic-net
3. Criação de um modelo de classificação usando a regressão logística com ajuste fino de threshold
4. Conclusões sobre o uso de cada um dos modelos e conclusão geral

• Recall: 0,803
• Precision: 0,802

A predição do vinho a partir de um modelo de regressão claramente não foi a melhor escolha, um dos motivos é a qualidade do vinho ser uma medição discreta e a regressão linear fazer predições de valores contínuis, só isso já aumenta muito os resídulos e dificulta o aprendizado correto do modelo. Ao usar um modelo de classificação o problema de underfit que encontramos na regressão linear já é resolvido e começamos a ter % de acerto na base de teste muito superiores aos da regressão. Dessa forma, o caminho de adotar um modelo de classificação se torna muito mais adequado, sendo necessário somente adequar o threshold para se conseguir uma melhor precision (descartar vinhos ruins) ou recall (recomendar vinhos bons) de acordo com o objetivo do negócio ao criar esse modelo. Nesse projeto foi usada somente a regressão logística para a classificação, porém existem outros modelos que poderiam ser usados e que talvez fossem melhor para prever o comportamento da qualidade do vinho.