JMP 技术经理 Scott Wise 的博客旨在利用分析来回答我们周围发生的有趣问题。在本期中，我们将使用最新的文本分析方法来了解更多地区辣椒食谱的差异，并找出我奶奶的辣椒来自哪里！
一位美食评论家曾经说过，辣椒是一种永远不会被评论的食物，因为它肯定会引起每个人的自动分歧。我们每个人不仅有自己最喜欢的辣椒制作方法，而且每个人都觉得自己的食谱是最好的！更复杂的是，这种非常传统的美国食物有许多地区差异。
这让我们想起了我搬到德克萨斯州时最难忘的时刻之一。我的工作地点举办了一场辣椒烹饪比赛，我认为制作来自俄亥俄州克利夫兰的莉莲奶奶的美味辣椒家庭食谱是个好主意。作为奖励，我还被邀请作为评委参加一场辣椒竞赛。住在德克萨斯州的人可能已经猜到了当天的结果。首先，我奶奶莉莲的辣椒（如上图所示）因为我在混合物中加入了豆子而被嘲笑！其次，我很快了解到，德克萨斯州的辣椒烹饪比赛意味着生产出人类已知的最辣的汤汁混合物。幸运的是，随着时间的推移，因品尝越来越辣的辣椒样本而在我胃中形成的洞确实得到了修复！但这让我想知道为什么我奶奶莉莲的辣椒食谱与德克萨斯州的辣椒食谱如此不同，甚至它来自哪里？
首先，我们将从奶奶的莉莲辣椒的完整食谱和烹饪说明开始：
- 1 ½ 至 2 磅碎牛肉
- 2 - 16 盎司罐装红芸豆，沥干（Busch 浅红色）
- 1罐番茄汤（未稀释）
- 1罐28盎司加番茄（整个并切碎）-不要沥干并添加一汤匙糖
- 1 杯切碎的洋葱
- 粘贴：
- 2 汤匙 辣椒粉
- 1 汤匙 面粉
- ½ 茶匙 盐
- 1 汤匙 水
- 将肉和洋葱煎成褐色，然后放入锅中混合
- 加入豆子、汤和西红柿
- 加入糊状物，煮至少45分钟
- 添加更多调味料和配料来调味
- 可以做六碗
接下来，我们将把这个食谱与我们在美国各地可以找到的其他典型食谱进行比较。我们今天所知道的辣椒似乎是从德克萨斯州出现的，是为了适应墨西哥菜肴，并通过赶牛和后来的世界博览会迅速扩展到美国中心地带的其他地区。一路走来，辣椒进一步适应了其他当地的烹饪风格。我们从下面列出的十二种地区风格中收集了至少三种随机食谱。
辣椒风格
|
地区
|
独特的功能
|
辣椒酱
|
德克萨斯州
|
通常非常热，绰号“德克萨斯红碗”
|
菲多利馅饼
|
德克萨斯州
|
足球迷最喜欢的辣椒搭配菲多利玉米片
|
卡真辣椒
|
路易斯安那州
|
卡津风味辣椒
|
辣椒佛得角
|
新墨西哥
|
以鸡肉和新墨西哥州著名的青辣椒为特色
|
卡内·阿多瓦达
|
新墨西哥
|
用大量辣椒制成
|
俄克拉荷马州辣椒
|
俄克拉荷马州
|
类似于 辣椒酱
|
堪萨斯城辣椒
|
密苏里州
|
丰盛的辣椒和豆子
|
斯普林菲尔德风格辣椒
|
伊利诺伊州
|
更丰盛的辣椒，多加一个“l”代表伊利诺伊州
|
辛辛那提辣椒
|
俄亥俄州
|
肉味十足，通常搭配意大利面条
|
康尼辣椒狗酱
|
密歇根州
|
热狗的正宗辣椒
|
白辣椒
|
未知
|
鸡肉辣椒配白豆
|
素食辣椒
|
未知
|
多吃蔬菜，不吃肉
|
我们组织了一个数据表，其中有一列名为“成分”，其中包含所有食谱成分，这样我们就可以使用现代的文本分析方法来帮助更好地了解我们的辣椒差异。 （参见下面的数据表。）
接下来，我们使用 JMP Pro Text Explorer 平台在“成分”列中的单词中查找模式。在典型的文本探索分析中，我们将利用软件中的内置算法来进行标记化和词干。代币化算法使用内置的正则表达式库来解析文本并找到符合常见模式的最常见单词。这使我们能够忽略文本中无用的单词（例如ands、buts等）。经常同时完成的是词干提取它将单词组合成词根（将杯子与杯子组合等）。（有关文本探索设置，请参见下文）。
我们得到了第一个列表条款在我们所有“成分”中计数最高的（单词）。从这个列表中，我们可以进一步识别出其他无用的单词，这些单词不会增加对成分的研究。因此，我们将“茶匙”和“切碎”这样的词指定为停止从分析中排除的单词。我们还可以包括顶部短语添加到我们的列表中条款。 （编辑前请参阅下面的术语列表和短语）。
这使得该软件可以形成一个文档术语矩阵 (DTM ），或者这些列表的表格根据我们完成的内容按行计数学期列表。 通常，通过此列表，我们会生成一种称为词云的流行视觉效果，以便轻松查看最大的列表学期计数在我们的文本数据中，如较大的字体大小所示。现在我们准备好看看“洋葱”和“辣椒粉”等高出现成分的关系。 （编辑后的术语列表和词云见下文）
最后，我们将使用 JMP Pro 中的方法对数据行进行降维和分组集群通过查看 DTM 并对具有常见单词/短语的行进行分组。这里我们使用潜在类别分析模型来形成 3 个聚类。观察这些集群，我们会发现一些事情：
- 第 1 组似乎以辣椒食谱为主，其中有碎牛肉、番茄酱/酱、辣椒粉和豆类。
- 集群 2 包含鸡肉和青辣椒（辣椒）的辣椒食谱。
- 集群 3 有红辣椒和猪肉的辣椒食谱。
（有关潜在类分析聚类结果，请参见下文）。
使用按行的聚类概率（见下文）我们可以看到，Grandma's Chili 属于第一组，其共同特征是使用碎牛肉、西红柿、辣椒粉和豆类（腰子）。事实上，我奶奶莉莲的辣椒的肉味（碎牛肉）、丰盛（含豆类）和平易近人（番茄和辣椒粉）属性在集群 1 中的许多其他中西部食谱中得到了很好的体现。查看了每个食谱，发现堪萨斯城辣椒食谱#2 中的近似匹配。我在德克萨斯州遇到的那种辣椒（Chile Con Carne）最好以 Cluster 3 来代表，它是辣的（辣椒）、辛辣的（牛至），通常含有猪肉，当然不含豆类！
如果我们看一下堪萨斯城辣椒食谱＃2，我们可以看到与我奶奶莉莲的辣椒很接近。在得知我的祖母莉莲在密苏里州圣约瑟夫斯附近的一个农场长大并学会做饭后，这是有道理的。 （参见下面堪萨斯城智利的成分）。
堪萨斯城智利食谱＃2成分（密苏里州）
- 2磅碎牛肉
- 1 个大洋葱，切碎
- 2 茶匙 蒜末
- 1/4 杯 辣椒粉
- 1汤匙小茴香
- 2茶匙盐
- 1 罐（28 盎司）番茄丁
- 1 罐（8 盎司）番茄酱
- 约1/2杯水
- 1茶匙糖
- 红辣椒酱（可选）
- 1 罐（16 盎司）红芸豆，沥干
来源： http://www.familycookbookproject.com/recipe/2575440/kansas-city-chili.html
使用文本探索的强大功能是研究数据中常见的各种非结构化文本的一个很好的附加工具。从关于保修问题、实验室测试的注释中的文本，甚至查看食品食谱，这种新方法为更好地理解我们的数据提供了很多机会。虽然它确实需要一些用户交互和解释，但它确实可以在这些文本条目中寻找新模式方面发挥作用。但现在，我只享受奶奶莉莲做的“堪萨斯城风格”辣椒，不要吃太多热的“德克萨斯智利肉酱”。正如史蒂夫·米勒乐队 (Steve Miller Band) 在他们 1970 年的歌曲《Hot Chili》中所警告的那样……“天气比中午还热，它会融化你的勺子，所以伙计，你最好做好准备，因为吃辣椒。”
（查看完整的辣椒食谱数据并亲自尝试 JMP Pro 文本浏览器，网址为： https://community.jmp.com/t5/JMP-Sample-Data/Chili-Recipe-Text-Explorer-Data/ta-p/47650 ）
北卡罗来纳州罗利当地新闻中出现的豆类与非豆类德克萨斯辣椒争议的一个很好的例子！ 感谢布莱恩·布恩做出的巨大贡献！
今天是全国辣椒日，保罗·赫根 (Paul Heggen) 对此很认真
