研究食材相似性在营养学领域具有重要意义,可以根据文化,健康,旅游或生活水平等多种因素对食材进行分类。然而,不同民族和地区的人有不同的饮食偏好。因此,食谱将成分作为区分特征,在这里,成分被认为是每种食物组合(配方)的元素。了解烹饪方法,食物含量和每个国家或地区的地理位置之间的关系,对于根据其风味或成分对某些菜肴进行分类这一过程至关重要。通常,出国或在陌生地区旅行期间,由于没有足够的食物信息,特别是还要维持特定饮食习惯时,人们总是会临着食物选择的问题。目前,一些研究人员已经使用了不同的计算方法来挖掘所有食谱在普通环境中的食物之间的相似性。但我们的方法着重于分析人口的地理位置和他们的食物偏好之间的关联性,并选择最佳的机器学习算法,来确定属于特定地理区域的食物成分的不同组合之间的相似性。因此,在这项研究中,我们根据居住在地理偏远地区的居民的饮食偏好,设计了一种机器学习的新型分类方法。此外,由于现有算法的数量以及它们在解决一些问题的空间和时间方面的复杂性,寻找最好的机器学习算法来处理这个问题是非常困难的。为了达到我们研究的目的,首先,我们考虑了亚洲国家烹饪食谱,即中国,日本,印度,越南和泰国。相关国家的食品数据可以从公共网站下载:www.bigoven.com。然后,为了比较本研究的结果,实施了三种算法:逻辑回归、支持向量机和神经网络,并将其使用不同的参数对于同一组数据进行测试。最后,得到的结果表明,与本研究中提到的其他方法相比,具有归一化多项式核函数的支持向量机能够更好地分类和预测亚洲食谱。我们的结果将有助于食品工程研究和帮助研究人员攻克此研究领域的主要问题。