关于数据挖掘:R语言APRIORI模型关联规则挖掘分析脑出血急性期用药规律最常配伍可视化

全文链接：http://tecdat.cn/?p=31846

原文出处：拓端数据部落公众号

本文帮忙客户使用关联规定办法剖析西医医治脑出血方剂, 用 Apriori 模型开掘所选用的次要药物及其用药法则, 为临床医治脑出血提供参考。

脑出血急性期用药数据

读取数据

a_df3=read.xlsx("脑出血急性期用药最常配伍关联剖析 2.xlsx")

将数据转化成关联数据

a_df3=a_df3[,-1]  
  
   
   
## set dim names  
#
a_df3=t(a_d3)  
dimnams(a_df3) <- list(row.ames(a_d  
                        paste("Tr",c(1:ncol(adf3)), sep

查看每个药品的呈现频率

uencPlot(dat1, support = 0.3, cex.names=0.8)

能够看到每个药品呈现的频率，从而判断哪些药品的反对度较高

失去频繁规定开掘

观察求得的频繁项集

依据反对度对求得的频繁项集排序并查看

关联规定开掘

apriori(dat

设置反对度为 0.01，置信度为 0.3

summary(rules)# 查看规定

查看局部规定

inspect(rules)

查看置信度、反对度和晋升度

quality(head(rules))

绘制不同规定图形来示意反对度，置信度和晋升度

通过改图 能够看到 规定前项和规定后项别离有哪些药品 以及每个药品的反对度大小，反对度越大则圆圈越大。

从该图能够看到反对度和置信度的关系，置信度越高晋升度也越高

从该图能够看到反对度和置信度的关系，晋升度越高置信度也越高

从上图能够看到 不同药品之间的关联关系 图中的点越大阐明该药品的反对度越高，色彩越深阐明该药品的晋升度越高。

查看最高置信度样本规定

rules <- sort(rules, by="confidence")

查看最高晋升度样本规定

失去有价值规定子集

x=subset(rules,subset=confidence>0.3 & support>0.2 & lift>=1)    #失去有价值规定子集 

对有价值的 x 汇合进行数据可视化

最受欢迎的见解

1.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e7%bb%98%e5%88%b6%e7%94%…)Python 中的 Apriori 关联算法 - 市场购物篮剖析

2.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e7%94%9f%e5%ad%98%e5%88%…)[](http://tecdat.cn/%e9%80%9a%e8%bf%87%e5%85%b3%e8%81%94%e8%a7%8…)R 语言绘制生存曲线预计 | 生存剖析 | 如何 R 作生存曲线图

3.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e5%a6%82%e4%bd%95%e5%9c%…)[](http://tecdat.cn/%e5%9f%ba%e4%ba%8er%e7%9a%84fp%e6%a0%91fp-gr…) 用关联规定数据挖掘摸索药物配伍中的法则

4.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e4%b8%ad%e4%bd%bf%e7%94%…) 通过 Python 中的 Apriori 算法进行关联规定开掘

5.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e7%94%9f%e5%ad%98%e5%88%…) 用关联规定数据挖掘摸索药物配伍中的法则

6.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80ggplot2%e8%af%af%e5%b7%ae…) 采纳 SPSS Modeler 的 Web 简单网络对所有腧穴进行剖析

7.[](http://tecdat.cn/r-%e8%af%ad%e8%a8%80%e7%bb%98%e5%88%b6%e5%8a…)R 语言如何在生存剖析与 COX 回归中计算 IDI，NRI 指标

8.R 语言如何找到患者数据中具备差别的指标？（PLS—DA 剖析）

9.R 语言中的生存剖析 Survival analysis 早期肺癌患者 4 例