Este estudio tiene como objetivo proporcionar un método que ayude a los tomadores de decisiones a gestionar grandes conjuntos de datos, eliminando el riesgo de decisión y destacando subconjuntos significativos de datos con cierto peso. Así, se combinan los métodos de árbol de decisión binario (BDT) y algoritmo genético (GA) utilizando una técnica de envoltura. El algoritmo BDT se utiliza para clasificar datos en una estructura de árbol, mientras que el GA se utiliza para identificar las mejores combinaciones de atributos de un conjunto de combinaciones posibles, denominadas generaciones. El estudio busca abordar el problema del sobreajuste que puede ocurrir al clasificar grandes conjuntos de datos al reducir el número de atributos utilizados en la clasificación. Utilizando el GA, se minimiza el número de atributos seleccionados, reduciendo el riesgo de sobreajuste. El algoritmo produce muchos conjuntos de atributos que son clasificados utilizando el algoritmo BDT y se les asigna un número de aptitud basado en su precisión. El conjunto de atributos más apto, o cromosomas, así como los BDT, son seleccionados para un análisis más profundo. El proceso de entrenamiento utiliza los datos de un análisis químico de vinos cultivados en la misma región pero derivados de tres cultivares diferentes. Los resultados demuestran la efectividad de este enfoque innovador en la definición de ciertos ingredientes y pesos del origen del vino.