随着社会经济不断发展,国民生活水平也在逐步提高。“食品安全”成为社会焦点话题,同时也是政府的关注重心。食品质量安全抽检工作是有效保障食品质量的必要途径和重要关卡。随着这一工作的开展与进行,大量的食品抽检数据随之产生,如何让数据为食品质量抽检工作提供参考价值成为亟需解决的问题。因此选择适当的算法加以分析,找到这些数据背后隐含的食品属性与食品质量之间的潜在关系显得尤为重要。这不仅可以在一定程度上指导食品抽检工作,给予相关负责部门决策意见;也可以在提高食品质量抽检工作效率的同时,有效地减少人力、物力以及财力的投入。本文以国家食品药品监督管理局提供的食品抽检数据为基础,对数据集进行预处理后,选取“合格”与“不合格”两类标记样本,并将食品类别、食品生产季节、食品生产地、食品抽检季节、食品销售地等食品相关属性作为分类算法的特征。通过实验分析对比四种常见的机器学习分类算法,包括:logistic回归算法、C4.5决策树算法、BP(Back Propagation)神经网络算法和支持向量机算法,最终根据实验结果确定选用支持向量机算法作为食品抽检质量结果预测使用的主要算法。本文将训练后的预测模型用于食品质量预测功能中,并配合食品抽检信息查询、食品抽检数据管理等功能建立国家食品抽检数据分析挖掘系统。该系统具有操作简单、功能性强、界面友好的特点,可在一定程度上辅助食品抽检相关部门完成食品抽检工作、给予决策意见。