sagnik10/wine-review-analytics

# 葡萄酒评论分析 这是一个端到端的数据分析和机器学习 pipeline，用于探索、建模并从超过 150,000 条葡萄酒评论中生成洞察。本项目执行全面的探索性数据分析、统计分析、预测建模、聚类、异常检测，并自动生成包含丰富可视化图表的专业 PDF 分析报告。 ## 功能 - 自动化数据清洗和预处理 - 全面的探索性数据分析 (EDA) - 统计摘要生成 - 葡萄酒评分和价格分布分析 - 国家、省份、酒庄和品种分析 - 特征工程 - 价值评分计算 - 相关性分析 - 预测性机器学习模型 - 特征重要性分析 - 使用 K-Means 进行葡萄酒聚类 - 使用 Isolation Forest 进行异常检测 - 自动生成专业 PDF 报告 - 出版级质量的图表可视化 - 完全可复现的分析 pipeline ## 数据集 本项目使用包含约 **150,930 条葡萄酒评论**的葡萄酒评论数据集。 数据集包含以下信息： - 国家 - 省份 - 地区 - 酒庄 - 品种 - 价格 - 评分 (Points) - 描述 - 称号 - 品鉴师信息 ## 使用的技术 - Python 3 - Pandas - NumPy - Matplotlib - Scikit-learn - SciPy - ReportLab ## 机器学习模型 ### 回归 - 随机森林回归器 - 梯度提升回归器 ### 聚类 - K-Means 聚类 ### 异常检测 - Isolation Forest ## 分析组件 ### 探索性数据分析 - 缺失值分析 - 数据集概况 - 分布分析 - 离群值处理 - 相关性探索 ### 业务分析 - 国家表现 - 品种表现 - 酒庄排名 - 价格分析 - 评分趋势 - 高端葡萄酒识别 - 价值评分计算 ### 预测分析 - 葡萄酒评分预测 - 特征重要性分析 - 模型评估 - 性能比较 ### 无监督学习 - 独立于客户的葡萄酒细分 - 聚类可视化 - 聚类统计 ### 异常检测 - 识别不寻常的葡萄酒评论 - 高端定价异常 - 高价值离群点检测 ## 生成的输出 该 pipeline 自动生成： - 执行摘要 - 统计表 - 分布图 - 散点图 - 国家分析 - 品种分析 - 酒庄排名 - 特征重要性图 - 聚类分析 - 异常检测结果 - 专业 PDF 报告 ## 项目结构 ``` Wine_Review_Data_Analysis/ │ ├── Dataset/ │ └── winemag-data_first150k.csv │ ├── Output/ │ ├── Charts │ ├── Tables │ ├── PDF Report │ └── Processed Data │ ├── src/ │ ├── preprocessing.py │ ├── analytics.py │ ├── visualization.py │ ├── machine_learning.py │ ├── clustering.py │ ├── anomaly_detection.py │ └── report_generator.py │ ├── requirements.txt ├── LICENSE └── README.md ``` ## 安装说明 克隆代码库 ``` git clone https://github.com/sagnik10/wine-review-analytics.git ``` 进入项目目录 ``` cd wine-review-analytics ``` 创建虚拟环境 ``` python -m venv venv ``` 激活环境 Windows ``` venv\Scripts\activate ``` Linux/macOS ``` source venv/bin/activate ``` 安装依赖项 ``` pip install -r requirements.txt ``` ## 用法 运行完整的分析 pipeline ``` python main.py ``` 程序将自动执行： 1. 数据预处理 2. 探索性分析 3. 统计分析 4. 机器学习 5. 聚类 6. 异常检测 7. 可视化 8. PDF 报告生成 ## 结果示例 生成的报告包括： - 150,930 条已分析的葡萄酒评论 - 平均葡萄酒评分分析 - 价格分布 - 国家排名 - 品种排名 - 酒庄表现 - 机器学习预测结果 - 聚类摘要 - 异常检测结果 - 专业分析报告 ## 应用场景 - 数据科学作品集 - 机器学习演示 - 探索性数据分析 - 统计学习 - 商业智能 - 预测分析 - 数据可视化 - 教育项目 ## 未来改进 - 交互式仪表盘 - Streamlit Web 应用 - 深度学习模型 - 推荐引擎 - 时间序列分析 - 地理可视化 - REST API - Docker 部署 - 云端集成 ## 许可证 本项目基于 Apache License 2.0 授权。 您可以根据 Apache License, Version 2.0 的条款自由使用、修改、分发和在此基础上进行开发。 详情请参阅 LICENSE 文件。 ## 引用 如果您在研究、出版物或教育工作中使用了本项目，请引用此代码库。 ## 作者 **Sagnik Sen** 项目科学家-I 印度气象局 GitHub: https://github.com/sagnik10 ## 致谢 - 葡萄酒评论数据集 - Scikit-learn - Pandas - NumPy - Matplotlib - ReportLab - 开源 Python 社区

标签：Apex, Python, 代码示例, 探索性数据分析, 数据分析, 无后门, 机器学习, 聚类分析, 逆向工具, 预测模型