JMP数据挖掘和多元分析工具在咖啡/茶健康中的应用（2019-US-30MP-197）级别：中级
Patrick Giuliano，雅培高级质量工程师
Annu Wu，加州大学洛杉矶分校神经生物学和神经科学专业
Mason Chen，斯坦福大学 OHS 天才学生和 CSBB 认证，斯坦福大学在线高中 (OHS)
该项目的目的是确定所有咖啡和茶中哪种星巴克饮品最有利于心血管疾病 (CVD) 预防和整体健康。 基于科学的健康指数的构建考虑了不同的咖啡/茶营养成分，包括饱和脂肪、胆固醇、钠、碳水化合物、膳食纤维、糖、蛋白质和咖啡因。 咖啡因中的黄酮类化合物的抗氧化活性可以减少自由基的形成并清除自由基。主成分分析 (PCA) 用于探索分析中的所有因素，并告知健康指数与其与 CVD 预防和净健康状况的联系的效用。 主成分 1 与大多数不健康成分（如糖、碳水化合物、饱和脂肪和总脂肪）更相关。 由于咖啡因含量，主要成分 2 与有益健康更相关。此外，沿着负荷图上第一和第二主要成分的方向，膳食纤维和咖啡因与其他不健康成分最相反。 PCA 特征分析是一种非常强大的计算和视觉诊断工具，用于根据营养成分的模式对咖啡产品类型进行区分和分类。 为了避免由于分析中许多成分的贡献而导致方差膨胀，对原始数据进行了 Z 变换，并对 JMP 载荷图进行了标准化。基于前两个主成分的特征值和特征向量导出了一种新颖的基于 PCA 的健康指数。 新的基于 PCA 的健康指数还与先前建立的基于科学的健康指数（~70%-80% R 平方曲线拟合）进行比较和关联。由于主特征分析的正交性，其余八个主成分对健康指数呈中性（~0% R 方）。PCA 还证明了 Pareto 概念（主成分的前 20% 解决了总方差的约 80%）。
爆发数据探索数据可视化回复：JMP(R) 数据挖掘和多元分析工具在咖啡/茶健康中的应用 (2019-US-30MP-197)你好@elaine_daniloff ：很高兴在 Summitt 再次见到您，并在机场偶遇您！ 您可以在此处访问我在演示中引用的所有材料。请查看我在日志文件中包含的超链接，其中之一是@朱利安的旧网络研讨会以非常实用的方式对 PCA 进行了精彩的介绍性解释。 我重新复制一下这里为了您的方便。他做了与我在机场向您展示的完全相同的演示，我们生成主成分，在列属性中查看它们的方程（作为输入变量的独立线性组合），然后证明它们与每个变量完全不相关（正交）其他使用 JMP 中的 Fit Y by X 平台。
回复：JMP(R) 数据挖掘和多元分析工具在咖啡/茶健康中的应用 (2019-US-30MP-197)我们要感谢 Charles Chen 博士@charles_chen以表彰他在该项目的许多方面做出的思想贡献。
