Wine Quality (UCI)
Casi 6,500 vinos portugueses con variables fisicoquímicas y una puntuación de calidad.
ÁreaBenchmarks Clásicos de Machine Learning
DominioBenchmark Clásico
DificultadPrincipiante
Tamaño~6,497 muestras (tinto + blanco) · 11 features
¿Qué puedes lograr con este dataset?
- Practicar regresión y clasificación sobre el mismo dataset (según cómo se plantee el problema)
- Explorar la relación entre variables fisicoquímicas y una variable de calidad subjetiva
- Comparar el desempeño de distintos algoritmos en un problema real pero manejable
Descripción
Este dataset del repositorio UCI contiene mediciones fisicoquímicas (acidez, azúcar residual, alcohol, etc.) de vinos portugueses de la variedad Vinho Verde, junto con una puntuación de calidad de 0 a 10 asignada por catadores expertos, permitiendo modelar tanto regresión como clasificación.
Casos de uso
- Regresión para predecir la puntuación de calidad
- Clasificación binaria (vino bueno/malo) con distintos umbrales
- Análisis de qué variables fisicoquímicas más influyen en la calidad percibida
- Práctica de feature importance e interpretabilidad de modelos
Cómo cargarlo
import pandas as pd
df = pd.read_csv("winequality-red.csv", sep=";")
print(df.corr()["quality"].sort_values(ascending=False))Ventajas y limitaciones
Ventajas
- Dataset real con una relación no trivial entre variables, más interesante que Iris
- Suficientemente pequeño para iterar rápido, pero suficientemente rico para explorar
- Permite plantear tanto problemas de regresión como de clasificación
Limitaciones
- La calidad es una puntuación subjetiva de catadores, lo que introduce ruido inherente
- El dataset está desbalanceado hacia puntuaciones de calidad media (5-6)