基于Weka数据挖掘慢性乙肝症状与实验室指标相关性研究.docVIP

基于Weka数据挖掘慢性乙肝症状与实验室指标相关性研究 　　摘要：运用关联规则数据挖掘技术，利用Weka数据挖掘平台，对767例慢性乙肝患者的数据进行挖掘分析，再通过课题组编写的过滤分解程序，过滤分解得到864条慢性乙肝症状和实验室指标的关联规则。研究结果表明，基于Weka的关联规则数据挖掘技术，挖掘出的诸如鼻头色微黄明润、舌苔白与舌淡红等和实验室指标关联性很强的慢性乙肝症状，可以为医生临床诊断决策提供新的思路和参考。 　　关键词：Weka；慢性乙肝；数据挖掘；关联规则 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）05-0266-03 　　Abstract： Our research group filter and decompose to get 864 chronic hepatitis B symptoms and laboratory indexes of association rules by using association rules data mining techniques and Weka data mining platform，and data mining analysis of the 767 cases of chronic hepatitis B patients，and through our team writing filter decomposition program.The results show that it can provide new ideas and reference for the decision of doctors clinical diagnosis by the data mining to get such the yellowish-bright moist nose，white fur and pink tongue as symptoms of chronic hepatitis B strong associated with laboratory indexes based on the association rules of Weka data mining techniques. 　　Key words： Weka； Chronic hepatitis B； Data mining； Association rules 　　慢性乙型肝炎是目前危害人类健康最严重的传染病之一，是一种发病率高、病程长、难治愈、易反复的常见病[1]。近年来，在慢性乙肝的治疗方面，中西医均有不断深入的研究，新的治疗方法不断涌现，但目前还未见慢性乙肝症状与实验室指标相关性的研究。 　　本文以767例临床病例数据为研究对象，将收集到的慢性乙肝症状和实验室指标，利用Weka数据挖掘平台，采用基于关联规则等数据挖掘方法，进行慢性乙肝症状和实验室指标相关性研究，最终得到慢性乙肝症状和诸如HBV-DNA、谷丙转氨等重要实验室指标的相关性分析结果，从而指导医生的临床诊断决策。 　　1 关联规则挖掘 　　1.1 关联规则挖掘简介 　　关联规则挖掘是指从事务数据库，关系数据库和其他信息存储中的大量数据的项集之间发现有趣的、频繁出现的模式、关联和相关性[2]，也就是给定一个交易数据集T，找出其中所有Support≥Min_support、Confidence≥Min_confidence的关联规则，其中Support为支持度，Min_support为最小支持度，Confidence为置信度，Min_confidence为最小置信度。 　　1.2 关联规则挖掘算法 　　关联规则挖掘算法有很多种，也是学者研究的热点领域之一。关联规则常用的算法为Apriori算法、FP-Growth算法和Partition算法等。其中Apriori算法是关联规则挖掘算法中最经典的算法。 　　2 Weka数据挖掘平台 　　Weka的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一个基于Java的开源的数据挖掘平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则，以及在新的交互式界面上的可视化[2]。 　　3 慢性乙肝症状与实验室指标相关性研究过程 　　3.1 数据选择 　　本项目数据来源为国家科技重大专项的《病毒性肝炎中医证候生物学技术平台研究》中证候生物学技术平台的数据。证候生物学技术平台的数据来自于四川大学华西医院、成都中医药大学附属医院、成都市传染病医院、乐山市中医院、沪州医学院附属医院、沪州医学院附属