Awesome DataScience美食推荐：食谱分析与口味预测
项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-datascience 引言：当数据科学遇见美食艺术
你是否曾经站在厨房里，面对一堆食材却不知道如何搭配？或者浏览无数食谱却找不到真正符合口味的菜肴？数据科学正在改变我们探索美食的方式，通过算法分析数千种食谱的成分组合、烹饪方法和风味特征，为每个人量身定制最佳的美食推荐。
本文将带你深入数据科学在美食领域的应用，从食谱数据分析到口味预测模型构建，让你掌握用Python和机器学习技术解锁美食密码的核心技能。
美食数据科学的技术栈
核心工具库
# 美食数据分析必备工具库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.preprocessing import StandardScaler, LabelEncoder
from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, classification_report
数据处理流程
食谱数据结构分析
典型食谱数据字段
| 字段名 | 数据类型 | 描述 | 重要性 |
|---|---|---|---|
| recipe_id | int | 食谱唯一标识 | ★★★★☆ |
| title | string | 食谱名称 | ★★★☆☆ |
| ingredients | list | 食材列表 | ★★★★★ |
| quantities | dict | 食材用量 | ★★★★☆ |
| cooking_time | int | 烹饪时间(分钟) | ★★★☆☆ |
| difficulty | string | 难度等级 | ★★★☆☆ |
| cuisine_type | string | 菜系类型 | ★★★★★ |
| flavor_profile | string | 风味描述 | ★★★★★ |
| rating | float | 用户评分 | ★★★★☆ |
数据预处理代码示例
def preprocess_recipe_data(df):
"""食谱数据预处理函数"""
# 处理缺失值
df['ingredients'] = df['ingredients'].fillna('[]')
df['flavor_profile'] = df['flavor_profile'].fillna('unknown')
# 解析食材列表
df['ingredient_list'] = df['ingredients'].apply(
lambda x: eval(x) if isinstance(x, str) else x
)
# 创建食材特征矩阵
all_ingredients = set()
for ingredients in df['ingredient_list']:
all_ingredients.update(ingredients)
# 构建食材one-hot编码
for ingredient in all_ingredients:
df[f'has_{ingredient}'] = df['ingredient_list'].apply(
lambda x: 1 if ingredient in x else 0
)
return df, list(all_ingredients)
# 加载并预处理数据
recipe_df = pd.read_csv('recipes_dataset.csv')
processed_df, ingredient_features = preprocess_recipe_data(recipe_df)
风味模式识别与分析
基于成分的风味聚类
def flavor_clustering_analysis(df, n_clusters=5):
"""风味聚类分析"""
# 提取食材特征
ingredient_cols = [col for col in df.columns if col.startswith('has_')]
X = df[ingredient_cols].values
# 标准化数据
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
# K-means聚类
kmeans = KMeans(n_clusters=n_clusters, random_state=42, n_init=10)
clusters = kmeans.fit_predict(X_scaled)
# PCA降维可视化
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)
return clusters, X_pca, kmeans
# 执行聚类分析
clusters, X_pca, kmeans_model = flavor_clustering_analysis(processed_df)
聚类结果可视化
plt.figure(figsize=(12, 8))
scatter = plt.scatter(X_pca[:, 0], X_pca[:, 1], c=clusters, cmap='viridis', alpha=0.6)
plt.colorbar(scatter)
plt.title('食谱风味聚类分析 (PCA降维)')
plt.xlabel('主成分1')
plt.ylabel('主成分2')
plt.show()
口味预测模型构建
特征工程与模型选择
随机森林口味预测模型
class FlavorPredictor:
"""口味预测模型"""
def __init__(self):
self.model = RandomForestClassifier(
n_estimators=100,
max_depth=10,
random_state=42,
class_weight='balanced'
)
self.scaler = StandardScaler()
self.label_encoder = LabelEncoder()
def prepare_features(self, df):
"""准备特征数据"""
# 基础特征
features = []
# 食材数量特征
features.append(df['ingredient_list'].apply(len))
# 烹饪时间特征
features.append(df['cooking_time'])
# 食材one-hot特征
ingredient_cols = [col for col in df.columns if col.startswith('has_')]
features.extend([df[col] for col in ingredient_cols])
X = pd.concat(features, axis=1)
return X
def train(self, X, y):
"""训练模型"""
X_scaled = self.scaler.fit_transform(X)
y_encoded = self.label_encoder.fit_transform(y)
X_train, X_test, y_train, y_test = train_test_split(
X_scaled, y_encoded, test_size=0.2, random_state=42
)
self.model.fit(X_train, y_train)
# 评估模型
y_pred = self.model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"模型准确率: {accuracy:.3f}")
print(classification_report(y_test, y_pred))
def predict(self, X):
"""预测口味"""
X_scaled = self.scaler.transform(X)
predictions = self.model.predict(X_scaled)
return self.label_encoder.inverse_transform(predictions)
# 训练口味预测模型
predictor = FlavorPredictor()
X_features = predictor.prepare_features(processed_df)
y_target = processed_df['flavor_profile']
predictor.train(X_features, y_target)
个性化美食推荐系统
基于用户偏好的推荐算法
def personalized_recommendation(user_preferences, recipe_df, model, top_n=5):
"""个性化美食推荐"""
# 提取用户偏好特征
user_features = extract_user_features(user_preferences)
# 计算所有食谱的匹配度
recipe_features = predictor.prepare_features(recipe_df)
predictions = model.predict(recipe_features)
# 计算相似度得分
similarity_scores = calculate_similarity(user_features, recipe_features)
# 结合预测口味和相似度
final_scores = combine_scores(predictions, similarity_scores, user_preferences)
# 获取Top-N推荐
top_indices = np.argsort(final_scores)[-top_n:][::-1]
recommendations = recipe_df.iloc[top_indices]
return recommendations
def calculate_similarity(user_features, recipe_features):
"""计算用户与食谱的相似度"""
# 使用余弦相似度
from sklearn.metrics.pairwise import cosine_similarity
return cosine_similarity(user_features.reshape(1, -1), recipe_features)[0]
def combine_scores(predictions, similarity_scores, user_preferences):
"""结合多种得分"""
# 口味匹配得分
flavor_scores = np.array([1.0 if pred == user_preferences['fav_flavor'] else 0.5
for pred in predictions])
# 综合得分
combined_scores = 0.6 * flavor_scores + 0.4 * similarity_scores
return combined_scores
推荐结果展示表格
| 排名 | 食谱名称 | 预测口味 | 相似度 | 推荐理由 |
|---|---|---|---|---|
| 1 | 麻辣香锅 | 麻辣 | 0.92 | 匹配您喜好的麻辣口味，食材组合丰富 |
| 2 | 宫保鸡丁 | 酸甜麻辣 | 0.88 | 综合口味，符合您的多元化偏好 |
| 3 | 水煮鱼 | 麻辣鲜香 | 0.85 | 经典川菜，麻辣程度适中 |
| 4 | 鱼香肉丝 | 鱼香 | 0.82 | 特色风味，与您历史选择相似 |
| 5 | 麻婆豆腐 | 麻辣 | 0.80 | 素食选择，保持麻辣风味 |
实战案例：中式菜肴风味分析
数据探索与可视化
# 中式菜肴特定分析
chinese_recipes = processed_df[processed_df['cuisine_type'] == 'Chinese']
plt.figure(figsize=(15, 10))
# 风味分布饼图
plt.subplot(2, 2, 1)
flavor_counts = chinese_recipes['flavor_profile'].value_counts()
plt.pie(flavor_counts.values, labels=flavor_counts.index, autopct='%1.1f%%')
plt.title('中式菜肴风味分布')
# 烹饪时间分布
plt.subplot(2, 2, 2)
plt.hist(chinese_recipes['cooking_time'], bins=20, alpha=0.7, color='skyblue')
plt.xlabel('烹饪时间(分钟)')
plt.ylabel('食谱数量')
plt.title('烹饪时间分布')
# 食材使用频率
plt.subplot(2, 2, 3)
ingredient_freq = chinese_recipes[[col for col in chinese_recipes.columns
if col.startswith('has_')]].sum().sort_values(ascending=False)[:10]
ingredient_freq.plot(kind='barh', color='lightgreen')
plt.title('最常用食材Top10')
# 难度与评分关系
plt.subplot(2, 2, 4)
sns.boxplot(x='difficulty', y='rating', data=chinese_recipes)
plt.title('难度等级与评分关系')
plt.tight_layout()
plt.show()
风味关联规则分析
from mlxtend.frequent_patterns import apriori, association_rules
def analyze_flavor_associations(df, min_support=0.1):
"""分析风味关联规则"""
# 创建食材交易数据
ingredient_cols = [col for col in df.columns if col.startswith('has_')]
transaction_df = df[ingredient_cols].astype(bool)
# 使用Apriori算法发现频繁项集
frequent_itemsets = apriori(transaction_df, min_support=min_support, use_colnames=True)
# 生成关联规则
rules = association_rules(frequent_itemsets, metric="lift", min_threshold=1.2)
# 筛选有意义的规则
meaningful_rules = rules[
(rules['lift'] > 1.5) &
(rules['confidence'] > 0.6)
].sort_values('lift', ascending=False)
return meaningful_rules
# 分析中式菜肴的食材关联规则
chinese_rules = analyze_flavor_associations(chinese_recipes)
print("中式菜肴食材关联规则Top5:")
print(chinese_rules.head())
模型优化与部署
超参数调优
from sklearn.model_selection import GridSearchCV
def optimize_model_parameters(X, y):
"""超参数优化"""
param_grid = {
'n_estimators': [50, 100, 200],
'max_depth': [5, 10, 15, None],
'min_samples_split': [2, 5, 10],
'min_samples_leaf': [1, 2, 4]
}
rf = RandomForestClassifier(random_state=42, class_weight='balanced')
grid_search = GridSearchCV(
rf, param_grid, cv=5, scoring='accuracy', n_jobs=-1
)
grid_search.fit(X, y)
print("最佳参数:", grid_search.best_params_)
print("最佳得分:", grid_search.best_score_)
return grid_search.best_estimator_
# 执行超参数优化
best_model = optimize_model_parameters(X_features, y_target)
模型部署API
from flask import Flask, request, jsonify
import joblib
app = Flask(__name__)
# 加载训练好的模型
model = joblib.load('flavor_predictor_model.pkl')
scaler = joblib.load('scaler.pkl')
label_encoder = joblib.load('label_encoder.pkl')
@app.route('/predict', methods=['POST'])
def predict_flavor():
"""预测口味API"""
try:
data = request.get_json()
ingredients = data['ingredients']
cooking_time = data['cooking_time']
# 准备特征
features = prepare_single_recipe(ingredients, cooking_time)
features_scaled = scaler.transform([features])
# 预测
prediction = model.predict(features_scaled)
flavor = label_encoder.inverse_transform(prediction)[0]
return jsonify({
'predicted_flavor': flavor,
'confidence': np.max(model.predict_proba(features_scaled))
})
except Exception as e:
return jsonify({'error': str(e)}), 400
if __name__ == '__main__':
app.run(debug=True)
总结与展望
通过本教程，我们深入探讨了数据科学在美食推荐领域的应用，从食谱数据分析到口味预测模型的构建，再到个性化推荐系统的实现。关键收获包括：
- 数据预处理的重要性：食材数据的清洗和特征工程是模型成功的基础
- 聚类分析的价值：无监督学习可以帮助我们发现隐藏的风味模式
- 集成学习的优势：随机森林等算法在口味预测任务中表现优异
- 个性化推荐的复杂性：需要综合考虑多种因素来提供精准推荐
未来发展方向：
- 结合深度学习进行更精细的口味建模
- 整合用户行为数据进行实时推荐优化
- 开发移动端应用让美食推荐触手可及
- 探索跨文化菜系的融合推荐
数据科学正在重新定义我们探索和享受美食的方式，让每一次用餐都成为一次个性化的美味旅程。
温馨提示：本文所有代码示例均使用Python 3.8+版本，主要依赖库包括pandas、scikit-learn、matplotlib等。建议在Jupyter Notebook或Colab环境中实践这些代码，以获得最佳学习体验。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
