学习笔记:【案例】中医证型关联规则挖掘
案例来源:《Python数据分析与挖掘实战》第8章
案例背景与挖掘目标
输入数据:
挖掘目标:
- 借助三阴乳腺癌患者的病理信息,挖掘患者的症状与中医证型之间的关联关系
- 对截断治疗提供依据,挖掘潜性证素
分析方法与过程(选择的原则)
子任务规划
- 问卷形式收集原始数据
- 数据预处理
- 运用关联规则算法建模
- 分析结果,应用到实际业务中
实验
实现Apriori关联规则算法
- 读取数据 demo/data/apriori.txt
- 离散化操作,将事务集转换为 0, 1 矩阵
- 根据支持度找出频繁集,直至找到最大频繁集后停止
- 根据置信度得到大于等于置信度的规则,即为Apriori算法所求的关联规则
- 对Apriori算法输出的规则,编写过滤函数
- (拓展)以上实验使用聚类进行数据离散化,可尝试其他离散化方法,如等距、等频、决策树、基于卡方检验等,比较各个方法的优缺点
代码存档:
实验
import pandas as pd
import os
from __future__ import print_function
from sklearn.cluster import KMeans
import time
dpath = './demo/data/data.xls'
input_data = pd.read_excel(dpath)
input_data.describe()
肝气郁结证型系数 | 热毒蕴结证型系数 | 冲任失调证型系数 | 气血两虚证型系数 | 脾胃虚弱证型系数 | 肝肾阴虚证型系数 | |
---|---|---|---|---|---|---|
count | 930.000000 | 930.000000 | 930.000000 | 930.000000 | 930.000000 | 930.000000 |
mean | 0.232154 | 0.214438 | 0.247039 | 0.217702 | 0.227043 | 0.271739 |
std | 0.078292 | 0.131887 | 0.087779 | 0.079210 | 0.108064 | 0.099186 |
min | 0.026000 | 0.000000 | 0.067000 | 0.059000 | 0.003000 | 0.016000 |
25% | 0.176250 | 0.127000 | 0.185000 | 0.160000 | 0.140000 | 0.188250 |
50% | 0.231000 | 0.186000 | 0.236500 | 0.208500 | 0.200000 | 0.273000 |
75% | 0.281750 | 0.274000 | 0.291000 | 0.264000 | 0.318000 | 0.352000 |
max | 0.504000 | 0.780000 | 0.610000 | 0.552000 | 0.526000 | 0.607000 |
processedfile = './demo/tmp/data_processed2.xls'
typelabel = {u'肝气郁结证型系数':'A', u'热毒蕴结证型系数':'B', u'冲任失调证型系数':'C', u'气血两虚证型系数':'D', u'脾胃虚弱证型系数':'E', u'肝肾阴虚证型系数':'F'}
k = 4keys = list(typelabel.keys())
result = pd.DataFrame()
for i in range(len(keys)):print(u'executing "%s" clustering' % keys[i])kmodel = KMeans(n_clusters=k, n_jobs=4)kmodel.fit(input_data[[keys[i]]].as_matrix())r1 = pd.DataFrame(kmodel.cluster_centers_, columns=[typelabel[keys[i]]])r2 = pd.Series(kmodel.labels_).value_counts()r2 = pd.DataFrame(r2, columns=[typelabel[keys[i]] + 'n'])r = pd.concat([r1, r2], axis=1).sort_values(typelabel[keys[i]])r.index = [1,2,3,4]#r[typelabel[keys[i]]] = pd.rolling_mean(r[typelabel[keys[i]]], 2)r[typelabel[keys[i]]] = r2.rolling(window = 2, center = False).mean()r[typelabel[keys[i]]][1] = 0.0result = result.append(r.T)result = result.sort_index()
result.to_excel(processedfile)
executing "肝气郁结证型系数" clustering
executing "热毒蕴结证型系数" clustering/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/ipykernel_launcher.py:14: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrameSee the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copyexecuting "冲任失调证型系数" clustering
executing "气血两虚证型系数" clustering
executing "脾胃虚弱证型系数" clustering
executing "肝肾阴虚证型系数" clustering
def connect_string(x, ms):x = list(map(lambda i: sorted(i.split(ms)), x))l = len(x[0])r = []for i in range(len(x)):for j in range(i, len(x)):if x[i][:l - 1] == x[j][:l - 1] and x[i][l - 1] != x[j][l - 1]:r.append(x[i][:l - 1] + sorted([x[j][l - 1], x[i][l - 1]]))return r
def find_rule(d, support, confidence, ms=u'--'):result = pd.DataFrame(index=['support', 'confidence']) # 定义输出结果support_series = 1.0 * d.sum() / len(d) # 支持度序列column = list(support_series[support_series > support].index) # 初步根据支持度筛选k = 0while len(column) > 1:k = k + 1print(u'\n正在进行第%s次搜索...' % k)column = connect_string(column, ms)print(u'数目:%s...' % len(column))sf = lambda i: d[i].prod(axis=1, numeric_only=True) # 新一批支持度的计算函数# 创建连接数据,这一步耗时、耗内存最严重。当数据集较大时,可以考虑并行运算优化。d_2 = pd.DataFrame(list(map(sf, column)), index=[ms.join(i) for i in column]).Tsupport_series_2 = 1.0 * d_2[[ms.join(i) for i in column]].sum() / len(d) # 计算连接后的支持度column = list(support_series_2[support_series_2 > support].index) # 新一轮支持度筛选support_series = support_series.append(support_series_2)column2 = []for i in column: # 遍历可能的推理,如{A,B,C}究竟是A+B-->C还是B+C-->A还是C+A-->B?i = i.split(ms)for j in range(len(i)):column2.append(i[:j] + i[j + 1:] + i[j:j + 1])cofidence_series = pd.Series(index=[ms.join(i) for i in column2]) # 定义置信度序列for i in column2: # 计算置信度序列cofidence_series[ms.join(i)] = support_series[ms.join(sorted(i))] / support_series[ms.join(i[:len(i) - 1])]for i in cofidence_series[cofidence_series > confidence].index: # 置信度筛选result[i] = 0.0result[i]['confidence'] = cofidence_series[i]result[i]['support'] = support_series[ms.join(sorted(i.split(ms)))]result = result.T.sort_values(['confidence', 'support'], ascending=False) # 结果整理,输出print(u'\n结果为:')print(result)return result
inputfile = './demo/data/apriori.txt' #输入事务集文件
data = pd.read_csv(inputfile, header=None, dtype = object)start = time.clock() #计时开始
print(u'\n转换原始数据至0-1矩阵...')
ct = lambda x : pd.Series(1, index = x[pd.notnull(x)]) #转换0-1矩阵的过渡函数
b = map(ct, data.as_matrix()) #用map方式执行
c = list(b)
data = pd.DataFrame(c).fillna(0) #实现矩阵转换,空值用0填充
end = time.clock() #计时结束
print(u'\n转换完毕,用时:%0.2f秒' %(end-start))
del b #删除中间变量b,节省内存support = 0.06 #最小支持度
confidence = 0.75 #最小置信度
ms = '---' #连接符,默认'--',用来区分不同元素,如A--B。需要保证原始表格中不含有该字符start = time.clock() #计时开始
print(u'\n开始搜索关联规则...')
find_rule(data, support, confidence, ms)
end = time.clock() #计时结束
print(u'\n搜索完成,用时:%0.2f秒' %(end-start))
转换原始数据至0-1矩阵...转换完毕,用时:0.33秒开始搜索关联规则...正在进行第1次搜索...
数目:276...正在进行第2次搜索...
数目:947...正在进行第3次搜索...
数目:41...结果为:support confidence
A3---F4---H4 0.078495 0.879518
C3---F4---H4 0.075269 0.875000
B2---F4---H4 0.062366 0.794521
C2---E3---D2 0.092473 0.754386
D2---F3---H4---A2 0.062366 0.753247搜索完成,用时:2.34秒
转载于:https://www.cnblogs.com/jc53/p/9438624.html
学习笔记:【案例】中医证型关联规则挖掘相关推荐
- python数据与挖掘实战学习:实战篇 第八章中医证型关联规则挖掘笔记
第八章 中医证型关联规则挖掘 8.1 背景与挖掘目标 中医药治疗恶性肿瘤,从整体出发,调整机体气血.阴阳.脏腑功能的平衡,根据不同的临床证候进行辩证论治.确定"先证而治"的方向:即 ...
- 数据分析与挖掘实战-中医证型关联规则挖掘
中医证型关联规则挖掘 背景 显然,如今的中医治疗再度火了起来,归根到底的原因还是中医在某些疾病处理上具有天然优势. 而且,中医治疗没有西医治疗的很多毒副作用. "先证而治". 挖掘 ...
- 中医证型关联规则挖掘
背景与挖掘目标 在医学上,癌是指起源于上皮组织的恶性肿瘤,是恶性肿瘤中最常见的一类.相对应的,起源于间叶组织的恶性肿瘤统称为肉瘤.有少数恶性肿瘤不按上述原则命名,如肾母细胞瘤.恶性畸胎瘤等.一般人们所 ...
- 《Python数据分析与挖掘实战》第8章——中医证型关联规则挖掘(Apriori关联)
本文是基于<Python数据分析与挖掘实战>的实战部分的第八章的数据--<中医证型关联规则挖掘>做的分析. 旨在补充原文中的细节代码,并给出文中涉及到的内容的完整代码. 主要有 ...
- Python 数据挖掘之中医证型关联规则挖掘
Python 数据挖掘之中医证型关联规则挖掘 综述 部分数据展示 数据聚类离散化 Apriori关联规则分析 结果 综述 对中医证型数据进行挖掘分析,运用的算法有 K-Means,MeanShift, ...
- 第8章 中医证型关联规则挖掘
8.1 背景与挖掘目标 借助患者的病理信息,挖掘患者的症状与中医证型之间的关联关系 对截断治疗提供依据,挖掘潜性证素 8.2 分析方法与过程 数据收集与整理,问卷调查.将问卷信息整理成原始数据 数据预 ...
- Chapter 8 中医证型关联规则挖掘
目录 一.背景和目标 二.方法步骤 三.过程 3.1 数据获取 3.2 数据预处理 3.3 模型构建 四.模型应用 一.背景和目标 借助患者的病理信息,挖掘患者的症状于中医证型之间的关联关系. 对截断 ...
- (八)Python数据分析与挖掘实战(实战篇)——中医证型关联规则挖掘
这个专栏用来记录我在学习和实践<Python数据分析与挖掘实战>一书时的一些知识点总结和代码实现. 文章目录 背景和目标 数据 原始属性表 脚本 discretization.py apr ...
- 《Python数据分析与挖掘实战》Chapter8中医证型关联规则挖掘笔记
最近在学习<Python数据分析与挖掘实战>中的案例,写写自己的心得. 代码分为两大部分:1.读取数据并进行聚类分析 2. ...
最新文章
- Solr 中遇到的问题
- c++各种数据类型表示范围
- pandas创建时间序列仿真数据并过滤(filter)时间数据:头尾数据、某年的数据、某年某月的数据、某年某月某日的数据、某个时间范围内的数据、truncate函数查看特定时间之前护着之后的数据
- 【PAT乙级】1003 我要通过! (20 分)详解
- cannot open file mfc42u.lib的问题解决
- NFS 服务固定端口
- Chorme浏览器中安装Axure插件的方法
- 虚拟化的软件有哪些?区别是什么?
- Ubuntu下安装honeyd
- 2021年全国程序员工资出炉想要年薪60万,难吗?网友,扎心了
- 使用Python快速获取哥白尼数据开放访问中心购物车里的数据下载链接
- 计算机算单元格个数,罕见知识点–Excel 参数这样用,才能算出区域内文本单元格的数量...
- ubuntu 中 vi 编辑文件上下左右删除键毫无作用肿么办!(上上下下左右左右BABA)
- UOS 加锁文件夹/文件之解锁
- 明日之后最新服务器开服时间,明日之后什么时候开服 新服开区详解
- 目标跟踪 OP,CLE,DP,AUC的概念和计算
- 计算机专业顶岗实训,计算机专业学生的顶岗实习
- 明天见丨云和恩墨生态产品发布会双平台直播,三款新品即将揭晓
- 某游戏客户流失情况数据分析
- Windows XP SP2上安装.net 4
热门文章
- RegNet: Designing Network Design Spaces
- 如何使用PS的蒙版,调整局部的对比度
- 100BASE-T1 /1000BASE-T1 车载以太网转换器产品汇总
- 变分推断 python_变分推断(Variational Inference)
- Android开发实例-自动生成题库的数独
- 微信互动营销有哪些方式?
- LinuxC中“库函数”的使用和常用的“输出函数”。
- 树存储结构的几种表示方法
- 那些年这么火的MyCat你还不知道吗?
- java mq编程_MQ java 基础编程