聚类分析数学建模竞赛.docx

分析流程

数据源：

女生日食谱营养成分.xlsx

算法配置：

算法：聚类分析(K-Means)

分析结果：

暂无数据

分析步骤

1.根据字段进行聚类类别差异性分析。

2.根据聚类汇总分析各聚类类别的频数。

3.根据数据集聚类标注可以知道每一个样本数据被分到哪个类别。

4.聚类中心坐标可以用于分析各样本与中心点的距离。

5.对分析进行综述。

详细结论

输出结果1：聚类数对比图（肘部法则）

图表说明：

该图用于选择较好的聚类数量，横坐标是聚类个数，纵坐标是K均值聚类的损失函数是所有样本到类别中心的距离平方和，也就是误差平方和（值越小说明聚类效果越好）。可以通过“坡度趋于平缓”的找出最佳的类簇数量。

输出结果2：字段差异性分析

聚类类别（平均值±标准差）

F

P

类别1(n=13)

类别2(n=9)

主要成分

7.308±4.27

5.778±4.295

0.68

0.419

食物编码

7.308±4.27

5.778±4.295

0.68

0.419

可食部（克）

32.308±34.543

33.889±17.28

0.016

0.901

能量（kcal/g）

36.762±28.499

89.261±67.466

6.351

0.020**

水（g/100g)

25.511±32.646

13.111±11.428

1.182

0.290

蛋白质（g/100g)

0.698±1.018

5.094±2.364

35.977

0.000***

脂肪（g/100g)

2.168±2.951

1.731±1.355

0.171

0.684

碳水化合物（g/100g)

3.837±6.224

13.484±18.114

3.204

0.089*

膳食纤维（g/100g)

0.345±0.534

0.222±0.311

0.384

0.543

钙（mg.d-1）

11.104±20.092

6.267±5.942

0.485

0.494

铁（mg.d-1）

0.265±0.2

8.405±22.56

1.731

0.203

锌（mg.d-1）

0.114±0.072

0.417±0.196

26.381

0.000***

维生素A（μg.d-1）

12.562±20.864

0.412±0.446

3.005

0.098*

维生素B1/硫胺素（mg.d-1）

0.016±0.019

0.062±0.036

15.653

0.001***

维生素B2/核黄素（mg.d-1）

0.014±0.015

0.037±0.022

8.525

0.008***

维生素C（mg.d-1）

3.046±6.025

0.0±0.0

2.266

0.148

异亮氨酸（mg/g蛋白质）

16.469±27.576

201.444±85.113

54.254

0.000***

亮氨酸（mg/g蛋白质）

28.188±57.145

384.922±174.094

48.058

0.000***

赖氨酸（mg/g蛋白质）

16.612±22.715

304.072±229.327

20.588

0.000***

含硫氨基酸（mg/g蛋白质）

14.831±31.226

190.2±101.331

34.857

0.000***

芳香族氨基酸（mg/g蛋白质）

33.654±63.967

394.344±149.502

60.716

0.000***

苏氨酸（mg/g蛋白质）

14.765±23.566

196.6±108.15

35.085

0.000***

色氨酸（mg/g蛋白质）

5.85±8.645

56.661±27.483

39.572

0.000***

缬氨酸（mg/g蛋白质）

19.977±34.768

235.056±108.058

45.592

0.000***

实际营养素-汇总能量（kcal/g）

38.343±28.624

90.335±68.07

6.13

0.022**

氨基酸评分（AAS）

22.954±35.979

367.585±229.357

28.95

0.000***

亚类

5.615±2.142

4.222±2.949

1.656

0.213

摄入食物分类

4.231±0.927

2.444±0.726

23.359

0.000***

注：***、**、*分别代表1%、5%、10%的显著性水平

图表说明：

上表展示了定量字段差异性分析的结果，包括均值±标准差的结果、F检验结果、显著性P值。

●分析每个分析项的P值是否显著(P0.05)。

●若呈显著性，拒绝原假设，说明两组数据之间存在显著性差异，可以根据均值±标准差的方式对差异进行分析，反之则表明数据不呈现差异性。

智能分析

方差分析的结果