采用SPSS Modeler的Web复杂网络对所有腧穴进行关联规则分析

基于关联规则的医学数据分析具有以下特点：

(1) 不需要考虑变量间的复杂性，其分析结果不会因为资料中加入或去掉一个变量而影响已存在的结果。

(2) 数据中的变量既是自变量又是目标变量，研究者不需要事先确定那个是目标变量，易获得某些意料之外、有意义的模式。

(3) 关联规则分析通常只考虑某个或某几个变量，而不是针对全部变量，这使得分析结果与不同方法分析的结果在某些变量上有较大差异[10] 。同时，传统关联规则分析要求变量必须是离散的，所以对于数据中计量型变量如何离散是应用中常见的一个问题。

(4) 关联规则分析中所设置的一些参数直接影响了所获得规则的数量和价值。支持度越高规则的说服力越强，但设置较高有可能漏掉一些有意义的规则，而最小支持度阈值设置过低一方面增加了无效规则的产生影响分析进程。

(5) 当例数较少时，存在偶然因素作用导致率的波动变化大，有可能产生一些假阳性规则。同样，最小可信度设置过高会使一些多分类变量不易出现在规则中。