JMP數據挖掘和多元分析工具在咖啡/茶健康中的應用（2019-US-30MP-197）級別：中級
Patrick Giuliano，雅培高級質量工程師
Annu Wu，加州大學洛杉磯分校神經生物學和神經科學專業
Mason Chen，斯坦福大學 OHS 天才學生和 CSBB 認證，斯坦福大學在線高中 (OHS)
該項目的目的是確定所有咖啡和茶中哪種星巴克飲品最有利於心血管疾病 (CVD) 預防和整體健康。 基於科學的健康指數的構建考慮了不同的咖啡/茶營養成分，包括飽和脂肪、膽固醇、鈉、碳水化合物、膳食纖維、糖、蛋白質和咖啡因。 咖啡因中的黃酮類化合物的抗氧化活性可以減少自由基的形成並清除自由基。主成分分析 (PCA) 用於探索分析中的所有因素，並告知健康指數與其與 CVD 預防和淨健康狀況的聯繫的效用。 主成分 1 與大多數不健康成分（如糖、碳水化合物、飽和脂肪和總脂肪）更相關。 由於咖啡因含量，主要成分 2 與有益健康更相關。此外，沿著負荷圖上第一和第二主成分的方向，膳食纖維和咖啡因與其他不健康成分最相反。 PCA 特徵分析是一種非常強大的計算和視覺診斷工具，用於根據營養成分的模式對咖啡產品類型進行區分和分類。 為了避免由於分析中許多成分的貢獻而導致方差膨脹，對原始數據進行了 Z 變換，並對 JMP 載荷圖進行了標準化。基於前兩個主成分的特徵值和特徵向量導出了一種新穎的基於 PCA 的健康指數。 新的基於 PCA 的健康指數還與之前建立的基於科學的健康指數（~70%-80% R 平方曲線擬合）進行比較和關聯。由於主特徵分析的正交性，其餘八個主成分對健康指數呈中性（~0% R 方）。PCA 還證明了 Pareto 概念（前 20% 的主成分已經解決了約 80% 的總方差）。
爆發數據探索數據可視化回复：JMP(R) 數據挖掘和多元分析工具在咖啡/茶健康中的應用 (2019-US-30MP-197)你好@elaine_daniloff ：很高興在 Summitt 再次見到您，並在機場偶遇您！ 您可以在此處訪問我在演示中引用的所有材料。請查看我在日誌文件中包含的超鏈接，其中之一是@朱利安的舊網絡研討會以非常實用的方式對 PCA 進行了精彩的介紹性解釋。 我重新復制一下這裡為了您的方便。他做了與我在機場向您展示的完全相同的演示，我們生成主成分，在列屬性中查看它們的方程（作為輸入變量的獨立線性組合），然後證明它們與每個完全不相關（正交）其他使用 JMP 中的 Fit Y by X 平台。
回复：JMP(R) 數據挖掘和多元分析工具在咖啡/茶健康中的應用 (2019-US-30MP-197)我們要感謝 Charles Chen 博士@charles_chen以表彰他在該項目的許多方面做出的思想貢獻。
