R语言Apriori模型关联规则挖掘分析脑出血急性期用药规律最常配伍可视化

本文帮助客户运用关联规则方法分析中医治疗脑出血方剂。

由Kaizong Ye,Sherry Deng撰写

用Apriori模型挖掘所选用的主要药物及其用药规律,为临床治疗脑出血提供参考

Apriori模型在挖掘主要药物及其用药规律,为临床治疗脑出血提供参考方面的应用,主要体现在对医疗数据的深度分析和模式识别上。以下是一个大致的步骤和预期结果的描述:

首先,需要收集脑出血病人的用药数据,包括病人的个人信息、病情诊断、用药种类、用药剂量、用药时间等。这些数据是进行Apriori算法分析的基础。

然后,使用Apriori算法对这些数据进行处理和分析。Apriori算法是一种关联规则挖掘算法,它能够从大量数据中发现项集之间的关联关系。在这个场景中,算法将寻找那些经常一起使用的药物组合,即频繁项集。这些频繁项集可能揭示了某种用药规律或者药物之间的协同作用。

脑出血急性期用药数据

image.png

读取数据

a_df3=read.xlsx("脑出血急性期用药最常配伍关联分析2.xlsx")

image.png

将数据转化成关联数据

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

视频

关联规则模型、Apriori算法及R语言挖掘杂货店交易数据与交互可视化

探索见解

去bilibili观看

探索更多视频

image.png

查看每个药品的出现频率

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

可以看到每个药品出现的频率,从而判断哪些药品的支持度较高

image.png
image.png

图片

R语言用关联规则和聚类模型挖掘处方数据探索药物配伍中的规律

阅读文章


设置支持度为0.01,置信度为0.3

summary(rules)#查看规则


随时关注您喜欢的主题


image.png

查看部分规则

inspect(rules)
image.png

查看置信度、支持度和提升度

quality(head(rules))
image.png

绘制不同规则图形来表示支持度,置信度和提升度

image.png

通过改图 可以看到 规则前项和规则后项分别有哪些药品 以及每个药品的支持度大小,支持度越大则圆圈越大。

1111.png
image.png

从该图可以看到支持度和置信度的关系,置信度越高提升度也越高

image.png
image.png

从该图可以看到支持度和置信度的关系,提升度越高置信度也越高

image.png
image.png

从上图可以看到 不同药品之间的关联关系 图中的点越大说明该药品的支持度越高,颜色越深说明该药品的提升度越高。

查看最高置信度样本规则

rules <- sort(rules, by="confidence")
image.png

查看最高提升度样本规则

image.png

得到有价值规则子集

x=subset(rules,subset=confidence>0.3 & support>0.2 & lift>=1)    #得到有价值规则子集
image.png

对有价值的x集合进行数据可视化

image.png
image.png

可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。在此对他对本文所作的贡献表示诚挚感谢,他在上海财经大学完成了统计学专业的硕士学位,专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds