中医数据挖掘平台有哪些(【数据挖掘实战】——中医证型的关联规则挖掘(Apriori算法))
目录
一 、背景和挖掘目标
1 、问题背景
2 、传统方法的缺陷
3 、原始数据情况
4 、挖掘目标
二 、分析方法和过程
1 、初步分析
2 、总体过程
第1步:数据获取
第2步:数据预处理
第3步:构建模型
三 、思考和总结
项目地址:Datamining_project: 数据挖掘实战项目代码
一 、背景和挖掘目标
1 、问题背景
中医药治疗乳腺癌有着广泛的适应证和独特的优势 。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辨证论治 。确定“先证而治 ”的方向:即后续证侯尚未出现之前 ,需要截断恶化病情的哪些后续证侯 。 找出中医症状间的关联关系和诸多症状间的规律性 ,并且依据规则分析病因 、预测病情发展以及为未来临床诊治提供有效借鉴 。能够帮助乳腺癌患者手术后体质的恢复 、生存质量的改善 ,有利于提高患者的生存机率 。2、传统方法的缺陷
中医辨证极为灵活 ,虽能够处理患者的复杂多变的临床症状 ,体现出治疗优势 。但缺乏统一的规范 ,难以做到诊断的标准化 。 疾病的复杂性和体质的差异性 ,造成病人大多是多种证素兼夹复合 。临床医师可能会被自身的经验所误导 ,单纯对症治疗 ,违背了中医辨证论治的原则 。 同一种疾病的辨证分型 ,往往都有不同见解,面对临床症状不典型的患者 ,初学者很难判断 。3 、原始数据情况
患者信息数据:包含患者的基本信息以及病理症状等 。
4 、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 。二 、分析方法和过程
1 、初步分析
针对乳腺癌患者 ,可运用中医截断疗法进行治疗 ,在辨病的基础上围绕各个病程的特殊证候先证而治型; 依据医学指南 ,将乳腺癌辨证统一化 ,为六种证型。且患者在围手术期 、围化疗期 、围放疗期和内分泌治疗期等各个病程阶段 ,基本都会出现特定的临床症状 。 通过关联规则算法 ,挖掘各中医证素与乳腺癌TNM分期之间的关系 。探索不同分期阶段的三阴乳腺癌患者的中医证素分布规律 ,以及截断病变发展 、先期干预的治疗思路 ,指导三阴乳腺癌的中医临床治疗。2 、总体过程
第1步:数据获取
拟定调查问卷表并形成原始指标表:
定义纳入标准与排除标准:
标准
详细信息
纳入标准
排除标准
第2步:数据预处理
2.属性规约:删除不相关属性 ,选取其中六种证型得分 、患者编号和TNM分期属性。
患者
编号
肝气郁结证得分
热毒蕴结证得分
冲任失调证得分
气血两虚证得分
脾胃虚弱证得分
肝肾阴虚证得分
TNM分期
20140001
7
30
7
23
18
17
H4
20140179
12
34
12
16
19
5
H4
……
……
……
……
……
……
……
……
20140930
4
4
12
12
7
15
H4
数据离散化:Apriori关联规则算法无法处理连续性数值变量 ,对数据进行离散化 。本例采用聚类算法对各个证型系数进行离散化处理 ,将每个属性聚成四类。
聚类离散化 ,最后的result的格式为:
1 2 3 4 A 0 0.178698 0.257724 0.351843 An 240 356.000000 281.000000 53.000000 即(0, 0.178698]有240个 ,(0.178698, 0.257724]有356个 ,依此类推 。 from __future__ import print_function import pandas as pd from sklearn.cluster import KMeans # 导入K均值聚类算法 datafile = ../data/data.xls # 待聚类的数据文件 processedfile = ../tmp/data_processed.xls # 数据处理后文件 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 = 4 # 需要进行的聚类类别数 # 读取数据并进行聚类分析 data = pd.read_excel(datafile) # 读取数据 keys = list(typelabel.keys()) result = pd.DataFrame() if __name__ == __main__: # 判断是否主窗口运行 ,如果是将代码保存为.py后运行,则需要这句 ,如果直接复制到命令窗口运行 ,则不需要这句 。 for i in range(len(keys)): # 调用k-means算法,进行聚类离散化 print(u正在进行“%s ”的聚类... % keys[i]) kmodel = KMeans(n_clusters=k, n_jobs=4) # n_jobs是并行数 ,一般等于CPU数较好 kmodel.fit(data[[keys[i]]].as_matrix()) # 训练模型 r1 = pd.DataFrame(kmodel.cluster_centers_, columns=[typelabel[keys[i]]]) # 聚类中心 r2 = pd.Series(kmodel.labels_).value_counts() # 分类统计 r2 = pd.DataFrame(r2, columns=[typelabel[keys[i]] + n]) # 转为DataFrame ,记录各个类别的数目 r = pd.concat([r1, r2], axis=1).sort(typelabel[keys[i]]) # 匹配聚类中心和类别数目 r.index = [1, 2, 3, 4] r[typelabel[keys[i]]] = pd.rolling_mean(r[typelabel[keys[i]]], 2) # rolling_mean()用来计算相邻2列的均值 ,以此作为边界点 。 r[typelabel[keys[i]]][1] = 0.0 # 这两句代码将原来的聚类中心改为边界点 。 result = result.append(r.T) result = result.sort() # 以Index排序 ,即以A,B,C,D,E,F顺序排 result.to_excel(processedfile)第3步:构建模型
1 、中医证型关联模型:
聚类之后的结果:
Apriori关联规则算法
#-*- coding: utf-8 -*- from __future__ import print_function import pandas as pd #自定义连接函数 ,用于实现L_{k-1}到C_k的连接 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 #寻找关联规则的函数 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 = 0 while len(column) > 1: k = k+1 print(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]).T support_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] = 0.0 result[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首先设置建模参数最小支持度 、最小置信度 ,输入建模样本数据 。然后采用Apriori关联规则算法对建模的样本数据进行分析 ,以模型参数设置的最小支持度 、最小置信度以及分析目标作为条件 ,如果所有的规则都不满足条件 ,则需要重新调整模型参数 ,否则输出关联规则结果 。
import pandas as pd # from apriori import * # 导入自行编写的高效的Apriori函数 import time # 导入时间库用来计算用时 inputfile = apriori.txt # 输入事务集文件 data = pd.read_csv(inputfile, header=None, dtype=object) start = time.perf_counter() # 计时开始(新版本不支持clock ,用time.perf_counter()替换) print(\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 ,即将标签数据转换为1 b = map(ct, data.values) # 用map方式执行 # Dataframe参数不能是迭代器 c = list(b) data = pd.DataFrame(c).fillna(0) # 实现矩阵转换 ,除了1外 ,其余为空 ,空值用0填充 end = time.perf_counter() # 计时结束 print(\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 ,需要保证原始表格不含有该字符 start = time.perf_counter() # 计时开始 print(\n开始搜索关联规则) find_rule(data, support, confidence, ms) end = time.perf_counter() # 计时结束 print(\n转换完毕,用时:%0.2f秒 % (end-start))2 、模型分析
TNM分期为H4期的三阴乳腺癌患者证型主要为肝肾阴虚证 、热毒蕴结证 、肝气郁结证和冲任失调 ,H4期患者肝肾阴虚证和肝气郁结证的临床表现较为突出 ,其置信度最大达到87.96%。
3 、模型应用
根据关联结果 ,结合实际情况 ,为患者未来的症治提供有效的帮助 。
a)IV期患者出现肝肾阴虚证之表现时 ,应当以滋养肝肾为补 ,清热解毒为攻 ,攻补兼施 ,截断热毒蕴结证的出现 。
b)患者多有肝气郁结证的表现 ,治疗时须重视心理调适 ,对其进行身心一体的综合治疗。
三、思考和总结
1 、Python的流行库中都没有自带的关联规则函数 ,相应的关联规则函数,函数依赖于Pandas库 。该函数是很高效的(就实现Apriori算法而言) ,可作为工具函数在需要时使用 。
2 、Apriori算法的关键两步为找频繁集与根据置信度筛选规则 ,明白这两步过程后,才能清晰的编写相应程序 。 3、本案例采用聚类的方法进行数据离散化 ,其他的离散化方法如:等距 、等频 、决策树 、基于卡方检验等 ,试比较各个方法的优缺点 。创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!