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 OHS 天才学生、CSBB 认证，斯坦福在线高中 (OHS)
该项目的目的是确定在所有咖啡和茶选项中，哪些星巴克饮品最适合预防心血管疾病 (CVD) 和整体健康。构建了一个基于科学的健康指数，以考虑不同的咖啡/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 CVD 预防和净健康之间的联系的效用。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。主成分 2 与有益健康更相关，因为咖啡因含量。此外，膳食纤维和咖啡因与其他不健康成分在载荷图上沿第一和第二个主成分的方向最为相反。 PCA 特征分析是一种非常强大的计算和可视化诊断工具，可根据营养成分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，原始数据已进行 Z 变换，并且 JMP 载荷图已标准化。基于前两个主成分的特征值和特征向量，得出了一种基于 PCA 的新型健康指数。新的基于 PCA 的健康指数还与之前建立的基于科学的健康指数（~70%-80% R 平方曲线拟合）进行了比较和关联。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 平方）。PCA 还展示了帕累托概念（前 20% 的主成分解决了总方差的 ~80%）。
