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