使用机器学习识别和预测荷兰人口的饮食模式
Marlijn L van Houwelingen1, Yinjie Zhu2,3
1Consumption and Healthy Lifestyles Chair Group, Wageningen University & Research, Hollandseweg 1, 6706 KN, Wageningen, The Netherlands.
European journal of nutrition
|October 23, 2025
概括
机器学习在荷兰人口中发现了两种饮食模式:传统和健康意识. 这些发现可以为公共卫生干预和饮食指南提供信息.
科学领域:
- 营养流行病学 营养流行病学
- 公共卫生中的数据科学
- 饮食模式分析的分析
背景情况:
- 从单一营养分析转向饮食模式的转变带来了统计学上的挑战.
- 饮食模式对于了解人口健康结果至关重要.
- 需要新的统计方法来识别饮食模式.
研究的目的:
- 应用机器学习算法来识别饮食模式.
- 使用社会人口统计学和生活方式因素预测饮食模式.
- 分析荷兰人口的饮食模式.
主要方法:
- 利用了来自荷兰国家食品消费调查 (DNFCS) 的数据.
- 采用K-means,K-medoids和层次聚类来识别模式.
- 使用六个分类器 (天真贝叶斯,KNN,决策树,随机森林,SVM,xgboost) 进行预测.
主要成果:
- K-意味着集群确定了"传统"和"健康意识"的饮食模式.
- 传统模式:高能量,肉类,脂肪. 关注健康的模式:大量的水果,蔬菜,坚果.
- 预测模型显示中等准确性 (60-68%);教育,年龄和BMI是关键预测因素.
结论:
- 机器学习在人口研究中有效地识别饮食模式.
- 识别的模式为有针对性的公共卫生干预提供了洞察力.
- 需要进一步的研究来提高公共卫生应用的模型有效性.


