全文鏈接：http://tecdat.cn/?p=31846

原文出處：拓端數(shù)據(jù)部落公眾號

本文幫助客戶運用關(guān)聯(lián)規(guī)則方法分析中醫(yī)治療腦出血方劑,用Apriori模型挖掘所選用的主要藥物及其用藥規(guī)律,為臨床治療腦出血提供參考。

腦出血急性期用藥數(shù)據(jù)

讀取數(shù)據(jù)

a_df3=read.xlsx("腦出血急性期用藥最常配伍關(guān)聯(lián)分析2.xlsx")

將數(shù)據(jù)轉(zhuǎn)化成關(guān)聯(lián)數(shù)據(jù)

a_df3=a_df3[,-1] ? ? ? ? ? ?## set dim names ?#a_df3=t(a_d3) ? dimnams(a_df3) <- list(row.ames(a_d ? ??????????????????????? paste("Tr",c(1:ncol(adf3)), sep

查看每個藥品的出現(xiàn)頻率

uencPlot(dat1, support = 0.3, cex.names=0.8)

可以看到每個藥品出現(xiàn)的頻率，從而判斷哪些藥品的支持度較高

得到頻繁規(guī)則挖掘

察看求得的頻繁項集

根據(jù)支持度對求得的頻繁項集排序并查看

關(guān)聯(lián)規(guī)則挖掘

apriori(dat

設(shè)置支持度為0.01，置信度為0.3

summary(rules)#查看規(guī)則

查看部分規(guī)則

inspect(rules)

查看置信度、支持度和提升度

quality(head(rules))

繪制不同規(guī)則圖形來表示支持度，置信度和提升度

通過改圖 可以看到 規(guī)則前項和規(guī)則后項分別有哪些藥品 以及每個藥品的支持度大小，支持度越大則圓圈越大。

從該圖可以看到支持度和置信度的關(guān)系，置信度越高提升度也越高

從該圖可以看到支持度和置信度的關(guān)系，提升度越高置信度也越高

從上圖可以看到 不同藥品之間的關(guān)聯(lián)關(guān)系 圖中的點越大說明該藥品的支持度越高，顏色越深說明該藥品的提升度越高。

查看最高置信度樣本規(guī)則

rules <- sort(rules, by="confidence")

查看最高提升度樣本規(guī)則

得到有價值規(guī)則子集

x=subset(rules,subset=confidence>0.3 & support>0.2 & lift>=1)??? #得到有價值規(guī)則子集

對有價值的x集合進行數(shù)據(jù)可視化

最受歡迎的見解

1.Python中的Apriori關(guān)聯(lián)算法-市場購物籃分析

2.R語言繪制生存曲線估計|生存分析|如何R作生存曲線圖

3.用關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘探索藥物配伍中的規(guī)律

4.通過Python中的Apriori算法進行關(guān)聯(lián)規(guī)則挖掘

5.用關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘探索藥物配伍中的規(guī)律

6.采用SPSS Modeler的Web復(fù)雜網(wǎng)絡(luò)對所有腧穴進行分析

7.R語言如何在生存分析與COX回歸中計算IDI，NRI指標

8.R語言如何找到患者數(shù)據(jù)中具有差異的指標？（PLS—DA分析）

9.R語言中的生存分析Survival analysis晚期肺癌患者4例