基于WEKA的骨科病案数据的关联规则挖掘.pdfVIP

第15卷第1期 安徽水利水电职业技术学院学报 v01．15No．1 oF Mar．2015 2015年3月Jol琅NALANHtⅡTDcHNICALcoLu蟊EoFwATERREslm瓜cEsANDHⅥ两toELE|：1浪IcP()wER 基于WEKA的骨科病案数据的关联规则挖掘 石 惠． (安徽水利水电职业技术学院，安徽合肥231603) 摘要：文章介绍了利用wⅨA软件对骨科病案数据进行关联规则的挖掘。 关键词：数据挖掘；知识发现；wEKA；关联规则 1671—6221．2015．01．019 DOI：10．3969／j．issrL 中图分类号：TP31 文献标识码：A 文章编号：1671—6221(2015)01一0060—04 medicalrecol?ds Orthopedic mining SHIHui ● TechnicalofWaterReSourcesand (Anhui Power，Hefei231603，China) College Hydroelectric introducesthe associationrulesonthe of medical Abstract：Thispaper mining departmentorthopedics recordsWEKAsoftware． using wm诅s：data rules Key mining；KDD；WrEKA；association ．医生在对患者病情进行判断时，不仅要依靠先进的医疗技术，还需要依赖丰富的经验。这些经验是 从平时大量的诊断中积累的。一方面，所有医生经验的积累并不平均，而且有些疾病发病的几率高，有 些则相对较低，在一些发病几率比较小的疾病判断上，就比较容易出现偏差，或者无从判断。另一方面， 拥有再丰富的经验的医生也只是依靠主观上的判断。因此，在医院对就诊病人的病情判断中，带着主观 意识，没有科学的去衡量各种因素对疾病的影响，是一种被动的诊断。利用数据挖掘技术，把医院病案 的历史数据重新利用起来并加以分析，获得潜在的规律和有价值的知识，并提供给医疗工作者。相应科 室的医生在判断病情时会更加科学合理，也使得医生的判断更准确，还可以更进一步建立医息间的互 信，改善当前相当紧张的医患关系。 1数据挖掘 数据挖掘又可称为数据库中的知识发现(KDD)，就是从大量的无序数据中进行有目的的分析，获 取有价值的模式或规律，“挖掘”一词便由此而来。由于数据挖掘是KDD过程中最为关键的步骤，在实 践应用中“数据挖掘”已被广泛接受，因此，数据挖掘和KDD这两个术语在实际应用中往往不加以 区分。 收稿日期：2014一09一01；修回日期：2014—10一30 作者筒介：石惠(1976一)，女，安徽桐城人，讲师，硕士，从事计算机软件设计的教学与研究。 万方数据 第1期 石 惠：基于wEKA的骨科病案数据的关联规则挖掘 61 2 WEKA WEKA的全名是怀卡托智能分析环境，是一款免费的，非商业化的，基于Java环境下开源的机器 学习(Machine Mining)软件。它集成了多种机器学习算法，主要包括数 LearIling)以