中醫(yī)證型關聯規(guī)則挖掘

借助患者病理信息,挖掘患者的癥狀與中醫(yī)證型之間的關聯關系,對治療提供依據,挖掘潛在證素步驟：問卷采隼數據，形成原始數據數據預處理（數據清洗、屬性規(guī)約、數據交換）對:采用關聯規(guī)則算法，調整參數,訓練得到關系模型結合業(yè)務,結果分析『應用實際對:采用關聯規(guī)則算法，調整參數,訓練得到關系模型結合業(yè)務,結果分析『應用實際1、 數據獲取1） 擬定調查問卷表并形成原始指標表2） 定義納入標準與排除標準3） 將收集回來的問卷表整理成原始數據2、 數據預處理數據清洗（1）數據清洗：對數據進行有效性檢宜r整理成為原始數據1400———= 125312001000800600 4(X) onn10469300發(fā)放間卷總數耳收問卷數有效問卷數 |屬性規(guī)約屬性規(guī)約:將數據的73個屬性取其重要屬性,剔除無關屬性,最終的屬性為：6種證型得分、分期的屬性值患者編號肝氣郁結證得分熱毒縊結證得分沖任失調證猬分氣血兩虛證得分脾胃虛弱證得分肝腎陰虛證得分TNM分期20140001730723h(1817.H4

數據變換1）屬性構造屬性構造：采用證型系數代昔具體單證型的證養(yǎng)得分，證型系數二該證型得分/該證型總分肝氣郁結證型系數熱毒繪結證型系數沖任失調證型系數氣血兩虛證型系數脾胃虛筋證型系數鼾腎陰虛證型系數0.1750.6820.1710.5350.4190.4470.30.7730.29303720.4420.1320」0.0910.2930.2790J630.3952）數據離散化由于Apriori關聯規(guī)則無法處理連續(xù)型數值變量，需要將原始數據離散化,采用聚類算法將各個證型系數離散化處理，將每個屬酸成4類。袁8?9肝氣郁結證型系數商散表范也標識肝氣郁結證型系數范國范H3內元素的個數AI(0.0.179]244A2(0.179,0.258]355A3(0.258.0.35]278A4(0.35,0.504]53表8「0熱痺蘊結證型系數離敵表范加標識結證型系數范國范EB內元素的個數BI[0,0.151325范18標識熱毒勇結證型系數范83范囤內元素的個數B2(0.15.0.296]396B3(0.296.0.485]1801)4(0.485,0.78；29表沖任失調證型系數離散表范圈標識沖任失調證型系數范BI范圉內元素的個數CI(0,0.2011296C2(0.201,0.288)393C3(0.2?&0.415]206C4(0.415.0.61135表8?12氣血兩虛證型系數離散表范圖標識氣血兩虛證型系數范圍范圍內元索的個數D1(0.0.172]283D2(0.172*0.251]37503(0.251,0.357]228D4(0.357,0.552] 144?8-13脾胃虛弱證型系數禹敵袁范因標識脾好慮弱證型系數范si范！B內元素的個越El(0.0.154]285E2(0」54.0256】307E3(0.256.0.375]244E4(0375.0.526194表&44肝腎陰虛證型系釵鷹玻表范K1標識肝腎陰虛證5!系數范IB范圖內元轟的個斂FI(0.0.I7S]200F2(0.178.0.261]237F3(0.261.0353J265F4(0353.0.607]228#讀取數據datafile<-read?csv(”?/data/data?csv",header=T)#參數初始化type<-4#數據離散化的分組個數index<-8#TNM分期數據所在列typelabel<-cfA*,"B","C",〃D〃，"E","F") #數據離散化后的標識前綴set.seed(1234) #固定隨機化種子cols<-ncol(datafile[,1:6])#取六種證型列數rows<-nrow(datafile[,1:6])#行數disdata<-matrix(NA,rows,cols+1) #初始化#聚類離散化for(iin1:cols){cl<-kmeans(datafile[,i],type,nstart=20) #對單個屬性列進行聚類disdataE,iZ〈-paste(typelabel[i],cl$cluster)}disdataL,cols+ <-datafile[,index]disdataE,cols+1J<~paste("H",disdataC,cols+1],seq="”)#導出數據colnames(disdata)〈-cC肝氣郁結證型系數熱毒蘊結證型系數：”沖任失調證型系數氣血兩虛證型系數：〃脾胃虛弱證型系數：〃肝腎陰虛證型系數U“TNM分期〃)write?csv(disdata, file="?/tmp/processedfile?csv",quote=F,:row.names=F)3、模型構建

閘幣建模參數閘幣建模參數library(arules)it讀入數據a<-read.csv(z/./data/processedfile.csv，z,header=TRUE)#讀入數據trans<-as(a,"transactions")#將數據轉換為transactions格式inspect(trans[1:5]) #觀測trans數據集中前5行數據items#調用Apriori算法rules<-apriori(trans,parameter=list(support=0.06,confidence=0.75))#生成關聯規(guī)則rulesrules#顯示rules中關聯規(guī)則條數inspect(rules)#觀測rules中關聯規(guī)則>inspect(rules)#sAQjrules中關聯刪01lhs rhs supportconfidenceliftcount{沖任共過證坐系