这两个数据集与葡萄牙语“vinho verde”葡萄酒的红色和白色变体有关。有关详细信息，请咨询：[Web link]或参考[Cortez等，2009]。由于隐私和后勤问题，只有物理化学（输入）和感官（输出）变量可获得（例如，没有关于葡萄类型，葡萄酒品牌，葡萄酒销售价格的数据。

这些数据集可以被视为分类或回归任务。课程是有序的，而不是平衡（例如，比优秀或贫穷的葡萄酒更多）。异常值检测算法可用于检测少数优秀或可怜的葡萄酒。此外，我们不确定所有输入变量是否相关。因此，测试特征选择方法可能很有意思。

Attribute Information:

输入变量（基于物理化学测试）：

1  - 固定酸度

2  - 挥发性酸度

3  - 柠檬酸

4  - 残留糖

5  - 氯化物

6-免硫二氧化硫

7  - 二氧化硫总硫化物

8  - 密度

9  -  ph.

10  - 硫酸盐

11  - 酒精输出变量（基于感官数据）：

12  - 质量（分数在0到10之间）

Relevant Papers:

P. Cortez, A. Cerdeira, F. Almeida, T. Matos and J. Reis. Modeling wine preferences by data mining from physicochemical properties.
In Decision Support Systems, Elsevier, 47(4):547-553, 2009.
Available at: [Web link]

Citation Request:

Please include this citation if you plan to use this database:
P. Cortez, A. Cerdeira, F. Almeida, T. Matos and J. Reis.
Modeling wine preferences by data mining from physicochemical properties. In Decision Support Systems, Elsevier, 47(4):547-553, 2009.