La qualità del vino è importante sia per i consumatori che per l'industria vinicola. Il metodo tradizionale (tester esperto di vino) per misurare la qualità del vino potrebbe essere costoso e richiedere molto tempo. Al giorno d¿oggi, i modelli di machine learning sono i principali strumenti per sostituire l¿intervento umano. Come sottocampo dell'Intelligenza Artificiale (AI), il Machine Learning (ML) mira a comprendere la struttura dei dati e inserirli in modelli, che successivamente possono essere utilizzati su dati invisibili per raggiungere il compito desiderato. Il Machine Learning è stato ampiamente utilizzato in vari settori come quello aziendale, medico e astrofisico, per citarne solo alcuni e molti altri problemi scientifici. Ispirati dal successo dell'intelligenza artificiale in vari settori diversi, possiamo usarlo per la previsione della qualità del vino basata su varie proprietà fisico-chimiche del vino. Tra i vari metodi di machine learning, analizziamo le prestazioni dei metodi ML ensemble di alberi estremamente randomizzati (Extra tree), Extreme Gradient Boosting (XG Boost) e Light gradient-boosting machine (Light GBM). Questo lavoro dimostra come l'analisi statistica dei dati possa essere utilizzata per identificare i componenti che controllano principalmente la qualità del vino prima della produzione.

Todos los autores están trabajando en el ADYPSOE Lohegaon Pune, India. Nuestro instituto es la marca Colegio de Ingeniería en la India y nuestra universidad está afiliada a SPPU, Pune Maharashtra, India. Estamos muy contentos de trabajar en nuestra actual universidad ADYPSOE Pune.