中醫證型關聯規則挖掘

• 背景
  • 顯然，如今的中醫治療再度火了起來，歸根到底的原因還是中醫在某些疾病處理上具有天然優勢。
  • 而且，中醫治療沒有西醫治療的很多毒副作用。
  • “先證而治”。
• 挖掘目標
  • 發現中醫癥狀間的關聯聯系和諸多癥狀之間的規律性，并且依據規則分析病因、預測病情發展以及為未來臨床診治提供有效借鑒。
  • 也就是說，借助乳腺癌患者病理信息，挖掘患者的癥狀與中醫證型之間的關聯聯系，對截斷治療提供依據，挖掘潛性證素。
• 分析
  • 由于患者在特定的病程階段會有特定的臨床癥狀，所以可以運用中醫截斷療法進行治療，在辨病的基礎上圍繞各個病程的特殊癥候先證而治。截斷扭轉的主要觀點是強調早期治療，力圖快速控制病情，截斷病情的邪變深入，扭轉阻止疾病惡化。
  • 由于數據紙質化，只能使用問卷調查獲取數據，采用關聯規則算法，挖掘各中醫證素與乳腺癌TNM分期之間的聯系。（乳腺癌基本分期原則，I比較輕，IV比較嚴重。
• 處理過程
  • 數據獲取
    • 問卷收集并整理數據。
  • 數據探索
    • 由于問卷由我指定，基本結構和問題點已知，這里無需數據探索，可以直接處理。
  • 數據預處理
    • 對原始數據進行數據預處理，包括數據清洗（存在無效問卷）、屬性規約（去除無關屬性）、數據變換。
      • 這里數據變換包含了屬性構造和數據離散化。
      • 為了更好的反映證素分布特征，采用證型系數代替單證型的證素得分：證型系數 = 該證型得分/該證型總分。
      • 由于Apriori關聯規則算法不能處理連續型數值變量，原始數據需要離散化。（使用聚類方法）
  • 數據挖掘建模
    • 利用建模數據，采用關聯規則算法，調整模型輸入參數，獲取各中醫證素與乳腺癌TNM分期之間的關系。
    • 本案例的目標是探索乳腺癌患者TNM分期與中醫證型系數之間的關系，使用關聯規則算法，挖掘它們之間的聯系。
    • 關聯規則算法主要用于尋找數據集中項之間的關聯聯系，它揭示數據項之間的位置關系，基于樣本的統計規律，進行關聯規則的挖掘，根據所挖掘的關聯關系，可以從一個屬性的信息來推斷另一個屬性信息，當置信度達到某一閾值時，可以認為規則成立。
    • 使用Apriori需要設置建模參數的最小支持度和最小置信度，調整到合適為止，如何設置沒有統一標準，一般認為根據經驗設置。遺憾的是主流的庫中均沒有Apriori等關聯規則函數，自行編寫。
    • 根據結果如A3---F4---H4，理解為A3，F4=H4，很多得到的規則，我們只需要以H開頭的為規則結果的項。
  • 后續處理
    • 結合實際業務，對模型結果進行分析，將模型結果應用到實際業務中，輸出關聯規則結果。
• 補充說明
  • 首先，盡管關聯規則算法是機器學習、深度學習、數據挖掘中常用的模型，然而很遺憾的是主流的sklearn、keras等機器學習深度學習主流庫沒有進行封裝。本案例使用自行編寫的Apriori算法。
  • 參考書《Python數據分析與挖掘》

# -*- coding: utf-8 -*- """ 利用Apriori算法進行關聯規則分析 """ import pandas as pd from apriori import *if __name__ == '__main__':# 根據離散化處理的文件inputFile = './data/apriori.txt'data = pd.read_csv(inputFile, header=None, dtype=object)print('\n轉換原始數據至0-1矩陣...')# 轉換0-1矩陣的過渡函數ct = lambda x: pd.Series(1, index=x[pd.notnull(x)])b = map(ct, data.values)# 實現矩陣轉換，空值用0填充data = pd.DataFrame(list(b)).fillna(0)# 刪除中間變量b，節省內存del b# 最小支持度support = 0.06# 最小置信度confidence = 0.75ms = '---'print('\n開始搜索關聯規則...')find_rule(data, support, confidence, ms)

這里只列舉了建模的代碼，數據集和更多代碼可以訪問我的github，歡迎star或者fork。

總結

以上是生活随笔為你收集整理的数据分析与挖掘实战-中医证型关联规则挖掘的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。