R语言Apriori算法关联规则对中药用药复方配伍规律药方挖掘可视化 | 您所在的位置:网站首页 › 数据可视化与数据挖掘论文 › R语言Apriori算法关联规则对中药用药复方配伍规律药方挖掘可视化 |
全文链接:http://tecdat.cn/?p=32316原文出处:拓端数据部落公众号 我们常说的中药挖掘,一般是用药挖掘,还有穴位的挖掘,主要是想找出一些用药的规律。在中医挖掘中,数据的来源比较广泛,有的是通过临床收集用药处方,比如,一个著名老中医针对某一疾病的用药情况;有的是通过古籍,古代流传下来的药方;还有一种情况是在论文数据框里查找专门治疗某一疾病的文献,从中找到处方,用来分析。 Apriori算法是一种最有影响的挖掘关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则,Apriori 算法采用了逐层搜索的迭代的方法,算法简单明了,没有复杂的理论推导,也易于实现。 由于Apriori算法的特性,十分适合中药处方、膏方、方剂的挖掘,甚至于穴位的挖掘。 本文帮助客户得出不同处方的药物组合和频率,挖掘出药方内在的规律。 中药处方数据读取数据a_df3=read.xlsx("挖掘用.xlsx",startRow=0, colNames = F) 转换数据结构a_list=list(0) for(i in 1:nrow(a_df3)){ ##删除事务中的重复项目 a_list[[i]]= unique(strsplit(a_df3[i,],",")[[1]]) 将数据转换成事务类型trans2 0.3 & support>0.3 & lift>=1) #得到有价值规则子集summary(x) aspect(sort(x,by="support")) #按照支持度排序## lhs rhs support confidence lift ## 45 {川芎,黄芪} => {地龙} 0.3189655 0.7872340 1.602090 ## 43 {地龙,黄芪} => {川芎} 0.3189655 0.9024390 1.586105 ## 44 {川芎,地龙} => {黄芪} 0.3189655 0.8043478 1.481021 ## 42 {川芎,黄芪} => {当归} 0.3103448 0.7659574 1.615474 ## 41 {川芎,当归} => {黄芪} 0.3103448 0.8181818 1.506494 ## 40 {当归,黄芪} => {川芎} 0.3103448 0.8571429 1.506494 ## 37 {当归,地龙} => {川芎} 0.3017241 0.9210526 1.618820 ## 38 {川芎,当归} => {地龙} 0.3017241 0.7954545 1.618820 ## 39 {川芎,地龙} => {当归} 0.3017241 0.7608696 1.604743pect(sort(x,by="confidence")) #按照置信度排序## lhs rhs support confidence lift ## 37 {当归,地龙} => {川芎} 0.3017241 0.9210526 1.618820 ## 43 {地龙,黄芪} => {川芎} 0.3189655 0.9024390 1.586105 ## 40 {当归,黄芪} => {川芎} 0.3103448 0.8571429 1.506494 ## 41 {川芎,当归} => {黄芪} 0.3103448 0.8181818 1.506494 ## 44 {川芎,地龙} => {黄芪} 0.3189655 0.8043478 1.481021 ## 38 {川芎,当归} => {地龙} 0.3017241 0.7954545 1.618820 ## 45 {川芎,黄芪} => {地龙} 0.3189655 0.7872340 1.602090 ## 42 {川芎,黄芪} => {当归} 0.3103448 0.7659574 1.615474 ## 39 {川芎,地龙} => {当归} 0.3017241 0.7608696 1.604743 对有价值的x集合进行数据可视化最受欢迎的见解 1.Python中的Apriori关联算法-市场购物篮分析 2.R语言绘制生存曲线估计|生存分析|如何R作生存曲线图 3.用关联规则数据挖掘探索药物配伍中的规律 4.通过Python中的Apriori算法进行关联规则挖掘 5.用关联规则数据挖掘探索药物配伍中的规律 6.采用SPSS Modeler的Web复杂网络对所有腧穴进行分析 7.R语言如何在生存分析与COX回归中计算IDI,NRI指标 8.R语言如何找到患者数据中具有差异的指标?(PLS—DA分析) 9.R语言中的生存分析Survival analysis晚期肺癌患者4例 |
CopyRight 2018-2019 实验室设备网 版权所有 |