医学数据挖掘教学课件完整版.pptVIP

伴随着“尿布和啤酒”一起出现的，还有大量我们不曾读懂，或无法使用的规则。 如何通过“兴趣度”的把握，找到我们最想要的规则？ 目前在医学领域的应用也非常广泛与成功，比如：对甲型肝炎疫情风险数据进行挖掘时，发现很多强关联规则，这些强关联规则中蕴含着甲型肝炎发病与季节、气温、气压、降水量、蒸发量等影响因素之间的关联关系，对指导疾病预防、控制实践，具有很强的应用价值。 孤立点事件（黑天鹅更要关注） 这个图是广州市在SARS流行期间，某个住宅小区疑似病例的分布研究发现，低层住户的疑似病例多于高层住户。 关联规则不是绝对的，而存在一定概率。比如，购买“尿布”的4个顾客中有3个购买了“啤酒”，则该关联规则表示为：“如果一个顾客购买了‘尿布’，那么该顾客有75%的可能性购买‘啤酒’”。如果我们采取相应的促销措施，该顾客购买尿布后购买啤酒的可能性会增大。 我们给出关联规则的概念为：所谓关联规则就是形如A=B，表示若A成立则B成立。在进行关联分析时需要计算规则A=B的概率，其实质是一个条件概率P(B︱A)。 强相关--- Apriori算法基本原理 【案例1】太阳证、阳明证、少阳证、少阴证药对分析 规则 支持度 置信度% （rule） (support) (confidence)% 1．麻黄 桂枝 == 伤寒太阳证* 16 88.89 2．杏仁 麻黄 == 伤寒太阳证 14 87.50 3．生姜 桂枝 == 伤寒太阳证 11 78.57 4．知母 石膏 == 伤寒阳明证* 9 69.23 5．石膏 葛根 == 伤寒阳明证 6 100.00 6．黄芩 柴胡 == 伤寒少阳证* 21 80.77 7．人参 半夏 == 伤寒少阳证 14 30.33 8．黄芩 半夏 == 伤寒少阳证 19 90.48 9．干姜 附子 == 伤寒少阴证* 11 61.11 10．人参 附子 == 伤寒少阴证 9 64.29 带*的药对是经典药对，其他是对中药处方集进行关联分析发现的药对。 利用Microsoft SQL Server 2005实践关联规则算法 Microsoft SQL Server 2005 Analysis Services (SSAS) 提供的基于Apriori算法的关联。本节利用SQL Server 2005对某大学2006年新生入学体检关于乙肝病毒检查的数据进行数据挖掘。希望通过对所收集的乙肝病毒检查报告的数据挖掘来发现“两对半”5项指标之间的关系。然后读者可以根据医学上对乙肝病毒检验的知识来判断关联数据挖掘的正确性(“+”表示该指标阳性，“-”表示该指标阴性)。 大学生体检数据 频 繁 项 集 该图选中部分均为“乙肝表面抗原阳性”和“乙肝e抗原阳性”, 这是典型的乙肝检验结果，该图中可以看出，其他指标可以有不同的反应。 关联规则 按照重要性计算公式： 该图中重要性值最大的是“3.142”这条规则的意思是“乙肝表面抗原阳性”、“乙肝e抗体阴性”和“乙肝e抗原阳性”会同时出现的情况,应该给予最大的关注。这又是一条典型的乙肝诊断标准。 依赖关系网络中较强的关联规则 以“乙肝表面抗原阳性”为核心分成2大类，分别是乙肝患者和未患乙肝人群的“二对半指标”的组合情况。 依赖关系网络最强的3个关联规则 正常人群： 1.“乙肝表面抗原阴性”与“乙肝表面抗体阳性” 2. “乙肝表面抗原阴性”与“乙肝核心抗体阴性” 乙肝病人： 1.乙肝表面抗原阳性”与“乙肝e抗原阳性” 金标准 求出下表的强关联规则 记录号 购物清单 1 啤酒，尿布，婴儿爽身粉，面包，雨伞 2 尿布，婴儿爽身粉 3 啤酒，尿布，牛奶 4 尿布，啤酒，洗衣粉 5 啤酒，牛奶，可乐(coke) ID 购物清单 1 纸巾 口香糖 洗衣粉 牛奶 2 苹果 牛奶 牙刷 碗 3 橙汁 纸巾 口香糖 面包 4 纸巾 香皂 口香糖 牙膏 尝试发现关联规则【练习数据】 id 阴晴 温度 湿度 刮风 玩 1 sunny hot high