ANÁLISE DISCRIMINANTE LINEAR NA CLASSIFICAÇÃO DE VARIEDADES DE VINHO COM BASE NAS CARACTERÍSTICAS QUÍMICAS

Autores

  • Maria Rita dos Reis Muniz mariaritadosreismuniz@gmail.com
  • Gabriel Cardoso gabriel.cardoso.1198@gmail.com
  • Kuang Hongyu prof.kuang@gmail.com
  • Thiago Duarte da Cruz thiagoduarte20151@outlook.com

Resumo

A classificação precisa de variedades de vinho com base em suas características químicas tem sido uma preocupação da indústria vinícola e na pesquisa em vinicultura. Este artigo teve como objetivo desenvolver e um modelo de classificação para cultivares de vinho segundo suas características químicas, por meio da Análise Discriminante Linear (LDA). As informações foram obtidas no site UCI Machine Learning Repository em que possui diversos conjuntos de dados para aprendizado de máquina. Os dados das características químicas do vinho estão distribuídos em 13 variáveis e 178 observações, sendo esses dados provenientes de uma região vinícola da Itália. Para a análise dos dados, foi utilizada a técnica de Análise Discriminante Linear (LDA), que classificou a cultivar 1 com 100% da taxa de acerto, para a cultivar 2 a taxa ficou em 97, 18% e para a cultivar 3 foi apresentada uma taxa de 100% de acerto. Os resultados demonstram que o método de LDA foi eficaz para a classificação das cultivares em relação as suas características químicas, destacando sua potencial relevância para ser aplicado em estudos futuros.

Biografia do Autor

Maria Rita dos Reis Muniz

Graduanda em Estatística da Universidade Federal de Mato Grosso, Campus Universitário de Cuiabá

Gabriel Cardoso

Graduando em Estatística da Universidade Federal de Mato Grosso, Campus Universitário de Cuiabá

Kuang Hongyu

Prof. Dr. Adjunto do Departamento de Estatística. Universidade Federal de Mato Grosso, Av. Fernando Corrêa da Costa, nº 2367, Bairro Boa Esperança. CEP: 78060-900, Cuiabá, MT, Brasil

Thiago Duarte da Cruz

Graduando em Estatística da Universidade Federal de Mato Grosso, Campus Universitário de Cuiabá

Downloads

Publicado

2024-03-24