Wine Dataset：ワイン（アルコール度数／色の濃さなどの13項目）の表形式データセット：AI・機械学習のデータセット辞典
データセット「Wine」について説明。178件のワインの「表形式データ（アルコール度数／色の濃さなどの13項目）」＋「ラベル（3種類のワインの分類）」が無料でダウンロードでき、多クラス分類問題などのディープラーニングや統計学／データサイエンスに利用できる。scikit-learnにおける利用コードも紹介。
データセット解説
Wineデータセット（ワインの化学分析データ）は、「アルコール度数／色の濃さ」などの13個の特徴量と、3種類のワインのいずれかを示すラベルで構成される表形式データセット（＝構造化データセット）である（図1）。
Wineデータセットは、主に多クラス分類（具体的には「ワインの種類の予測」）を目的とした統計学／機械学習／ディープラーニングなどの練習で活用できる。
図1を見ると分かるように、説明変数となる13個の特徴量は以下の通り。
- alcohol： アルコール度数
- malic_acid： リンゴ酸
- ash： 灰分（かいぶん）
- alcalinity_of_ash： 灰分のアルカリ度
- magnesium： マグネシウム
- total_phenols： 全フェノール含量
- flavanoids： フラボノイド
- nonflavanoid_phenols： 非フラボノイドフェノール
- proanthocyanins： プロアントシアニン
- color_intensity： 色の濃さ
- hue： 色相
- od280/od315_of_diluted_wines： 希釈ワイン溶液のOD280／OD315（＝280nmと315nmの吸光度の比）
- proline： プロリン
これらの特徴量は、イタリアの同じ地域で栽培された、3種類の異なる品種に由来するワインの化学分析の結果である。
また、「ワインの種類」を示す、目的変数（target variable）となるラベル（＝正解を示す教師データ）には、
- クラス1： 値は「0」（59件）
- クラス2： 値は「1」（71件）
- クラス3： 値は「2」（48件）
の3種類がある。上記の（○件）は各クラスのデータ件数である。このように、各クラスの件数は同数ではないことに注意してほしい。
各件数を合計すると、全データ数は178件となる。
引用のための情報
このデータセットは、基本的に自由に使用できる（※ライセンスは指定されていない）。
データセットを引用する際に使える情報を以下にまとめておく。
- 元となる書籍の著者： M. Forina, R. Leardi, C. Armanino and S. Lanteri
- 元となる書籍のタイトル： PARVUS: An extendable package of programs for data exploration, classification and correlation
- 元となる書籍の公開年： 1988
- データセットの配布元： https://archive.ics.uci.edu/ml/datasets/wine
- 元のデータセット（wine.data）ファイル
利用方法
実際にWineデータセットを使うには、ライブラリscikit-learnが提供する機能を利用することをお勧めする。ムダな作業を省いて、効率的に使えるためだ。
※なお、TensorFlow／Keras／PyTorchにはWineデータセットは用意されていなかった。ただし、TensorFlowには代わりに「wine_qualityデータセット」（データセットの配布元）が用意されているが、本稿の内容とは異なるので説明を割愛する。
以下に、scikit-learnで「どのようなコードを書くとWineデータセットが使えるか」の典型的なコードを簡単に示しておく。
scikit-learn
# !pip install scikit-learn # ライブラリ「scikit-learn」をインストール
from sklearn.datasets import load_wine
wine = load_wine()
sklearn.datasets.load_wine()関数を呼び出せばよい。戻り値として（sklearn.utils.Bunch型の）辞書オブジェクトを返す。その配下の、
- dataにデータが
- targetにラベル（目的変数の値）が
- feature_namesに特徴量名が
- target_namesに分類クラス名が
- 関数の引数にas_frame=Trueを含めた場合は、frameに全11列のpandasデータフレーム（※target列は最後の列）が
格納されている。
Copyright© Digital Advantage Corp. All Rights Reserved.