生物信息学数据挖掘.pptVIP

生物信息学数据挖掘;重要内容;生物信息数据库;专门数据库目录网站;

生物信息学中心;KDD(KnowledgeDiscoveryinDatabase);KDD的基本过程;数据挖掘(datamining);数据中搜索、发现知识(KDD);数据挖掘的功能;CRISP-DM是Cross-IndustryStandardProcessforDataMining的简称，中文翻译为“数据挖掘的跨行业原则过程”;数据挖掘的经典案例;在电信行业

加拿大BC省电话企业规定加拿大SimonFraser大学KDD研究组根据其拥有的十数年的客户数据，总结、分析并提出新的电话收费和管理措施，制定既有助于企业又有助于客户的优惠政策。

竞技运动中的数据挖掘

美国著名的国家篮球队NBA的教练，运用IBM企业提供的数据挖掘工具临场决定替代队员。

电子商务的关联销售、客户类别销售分析;

①理解数据和数据的来源（understanding）。

②获取有关知识与技术（acquisition）。

③整合与检查数据（integrationandchecking）。

④清除错误或不一致的数据（datacleaning）。

⑤建立模型和假设（modelandhypothesisdevelopment）。

⑥实际数据挖掘工作（datamining）。

⑦测试和验证挖掘成果（testingandverification）。

⑧解释和应用（interpretationanduse）。;经典的数据挖掘系统构造;进行数据挖掘常用技术算法;进行数据挖掘常用技术算法;Apriori算法该算法是由Agrawal等在1993年提出的，是最经典的产生关联规则频繁项目集的算法，是一种宽度优先的多趟扫描算法．在Apriori算法中，项目是按字典排序，Lk记为频繁k－项目集构成的集合，Ck记为候选k－项目集构成的集合．

下面是Apriori算法的伪代码:

输入:事务数据库D，最小支持度minsup;

输出:D中的频繁项目集L;

(1)L1={Frequent1－itemsets};

(2)for(k=2;Lk－1≠;k++)dobegin

(3)Ck=apriori－gen(Lk－1

);//从Lk－1

产生新的候选k－项目集//

(4)foralltransactionat∈Ddobegin

(5)Ct=subset(Ck

，t

);//产生t中的候选子集//

(6)forallcandidatesc∈Ctdo

(7)c．count++;

(8)end

(9)Lk={c∈Ck│c．count≥minsup};

(10)end

(11)L=∪kLk

;;Apriori－gen是以频繁(k－1)－项目集Lk－1

为自变量的后选生成函数．该函数返回所有频繁k－项目

集的超集，分连接和剪枝2步执行:

函数Apriori－gen(Lk－1

):

(1)insertintoCk

;

(2)selectp［1］，p［2］，…p［k－1］，q［k－1］;

(3)fromLk－1p，Lk－1q;

(4)wherep［1］=q［1］，p［2］=q［2］2，…，p［k－2］=q［k－2］，p［k－1］＜q［k－1］;//连接(join)//

(5)Forallitemsetsc∈Ckdo

(6)Forall(k－1)－subsetsofcdo

(7)If(s∈Lk－1

)then

(8)deletecfromCk

;//剪枝(prune)//

(9)end;

(10)end;

(11)answer=∪{c∈Ck

};

;运用Apriori算法挖掘数据库D的过程;数据挖掘在生物信息学中的应用;(4)途径分析:发目前不一样阶段的致病因。

引起一种疾病的基因不止一种,不一样基因在疾病的不一样阶段发挥作用。运用途径分析、演变分析等找到在不一样阶段的致病遗传基因序列,可开发不一样阶段的治疗药物,从而获得更有效的治疗效果。

(5)生物数据可视化和可视的数据挖掘。

由于生物数据的复杂性和高维性,既不能以数字公式表达,也