Enlace de texto completo: tecdat.cn/?p=30605
Recientemente, un cliente nos pidió que redactáramos un informe de investigación sobre el tratamiento con compuestos patentados de medicina china, incluidos algunos gráficos y resultados estadísticos.
Aplicación de técnicas de minería de datos, como reglas de asociación y métodos de agrupamiento, para analizar las reglas de compatibilidad de las recetas de compuestos patentados de la medicina tradicional china.
Métodos Se recuperaron las recetas de compuestos patentados de la medicina tradicional china y se excluyeron las recetas de compuestos de medicina china externa y la combinación de medicina china y occidental. Recientemente se nos pidió que redactáramos un informe de investigación sobre la regularidad de la medicación, incluidos algunos resultados gráficos y estadísticos. Los compuestos de patente de medicina tradicional china seleccionados se procesaron mediante estandarización de terminología, se extrajo información, se establecieron tablas, se usó el software de análisis de datos R para analizar las reglas de asociación de datos y se usó el software de análisis de red para realizar el análisis de conglomerados.
ver datos
Convertir a datos de matriz binaria
colnames(data) <- paste0("X",1:ncol(data))
database <- NULL
for(i in 1:nrow(data)) {
tmp <- integer(length(total_types))
复制代码construir a priori
plot(all_rules, method = "graph")
复制代码Haga clic en el título para ver el contenido anterior
Desliza hacia la izquierda y hacia la derecha para ver más
01
02
03
04
Análisis de las reglas de asociación de pares de prescripción de compuestos patentados de medicina tradicional china
El par de medicamentos es la forma básica de compatibilidad de prescripción, que refleja la relación de compatibilidad entre los medicamentos tradicionales chinos, como la complementariedad entre sí, la complementariedad opuesta y la complementariedad similar. Los medicamentos chinos en el par de medicamentos tienen la característica de aparecer en la prescripción al mismo tiempo que se combina la prescripción, por lo tanto, en el análisis de reglas de asociación, el par de medicamentos puede obtenerse analizando las reglas con alta confianza y dos- asociación de caminos.
Filtrar reglas de asociación sólidas en función de la confianza y el apoyo
K-means análisis de conglomerados de redes medias
Se forma una red compleja de relaciones de compatibilidad entre los medicamentos en el compuesto patentado de la medicina tradicional china para la depresión. El análisis de reglas de asociación se puede utilizar para encontrar pares de medicamentos y reglas de asociación sólidas. La aparición dificulta el análisis de la ley de compatibilidad y la aplicación del método de agrupamiento de redes puede encontrar efectivamente la ley de compatibilidad.
#聚类类别号
kmod$cluster
复制代码Ver reglas de asociación sólidas en cada categoría
Grupo 1
Grupo 2
Los resultados del análisis de conglomerados de la red de relaciones de compatibilidad mostraron las "comunidades" de medicinas tradicionales chinas comúnmente utilizadas en el tratamiento de la depresión, que reflejaron alguna combinación de medicinas tradicionales chinas con una compatibilidad relativamente cercana y fija en la prescripción compuesta, y la aplicación clínica puede mejorar el efecto curativo.
Haga clic en "Leer el texto original" al final del artículo
Obtenga el texto completo y los materiales de datos completos del código.
Este artículo se seleccionó de "Reglas de la Asociación APRIORI del lenguaje R, visualización de la red de minería de datos de agrupación de valor medio K-MEANS de las reglas de medicación del tratamiento de compuestos patentados de medicina tradicional china".
Haga clic en el título para ver el contenido anterior
非线性混合效应 NLME模型对抗哮喘药物茶碱动力学研究
Python面板时间序列数据预测：格兰杰因果关系检验Granger causality test药品销售实例与可视化
R语言用关联规则和聚类模型挖掘处方数据探索药物配伍中的规律
用SPSS Modeler的Web复杂网络对所有腧穴进行关联规则分析
PYTHON在线零售数据关联规则挖掘APRIORI算法数据可视化
R语言关联规则模型(Apriori算法)挖掘杂货店的交易数据与交互可视化
R语言关联挖掘实例（购物篮分析）
python关联规则学习：FP-Growth算法对药品进行“菜篮子”分析
基于R的FP树fp growth 关联数据挖掘技术在煤矿隐患管理
python关联规则学习：FP-Growth算法对药品进行“菜篮子”分析
通过Python中的Apriori算法进行关联规则挖掘
Python中的Apriori关联算法-市场购物篮分析
R语言用关联规则和聚类模型挖掘处方数据探索药物配伍中的规律
在R语言中轻松创建关联网络
python主题建模可视化LDA和T-SNE交互式可视化
R语言时间序列数据指数平滑法分析交互式动态可视化
用R语言制作交互式图表和地图
如何用r语言制作交互可视化报告图表K-means和层次聚类分析癌细胞系微阵列数据和树状图可视化比较
KMEANS均值聚类和层次聚类：亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数
PYTHON实现谱聚类算法和改变聚类簇数结果可视化比较
有限混合模型聚类FMM、广义线性回归模型GLM混合应用分析威士忌市场和研究专利申请数据
R语言多维数据层次聚类散点图矩阵、配对图、平行坐标图、树状图可视化城市宏观经济指标数据
r语言有限正态混合模型EM算法的分层聚类、分类和密度估计及可视化
Python Monte Carlo K-Means聚类实战研究
R语言k-Shape时间序列聚类方法对股票价格时间序列聚类
R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归
R语言谱聚类、K-MEANS聚类分析非线性环状数据比较
R语言实现k-means聚类优化的分层抽样(Stratified Sampling)分析各市镇的人口
R语言聚类有效性：确定最优聚类数分析IRIS鸢尾花数据和可视化Python、R对小说进行文本挖掘和层次聚类可视化分析案例
R语言k-means聚类、层次聚类、主成分（PCA）降维及可视化分析鸢尾花iris数据集
R语言有限混合模型(FMM,finite mixture model)EM算法聚类分析间歇泉喷发时间
R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化
R语言k-Shape时间序列聚类方法对股票价格时间序列聚类
R语言中的SOM(自组织映射神经网络)对NBA球员聚类分析
R语言复杂网络分析：聚类（社区检测）和可视化
R语言中的划分聚类模型
Agrupación en clústeres basada en modelos y modelo de mezcla gaussiana en
lenguaje R Análisis de agrupamiento en lenguaje R: k-means y agrupamiento jerárquico
SAS Uso de agrupamiento de K-Means Selección y análisis de valores K óptimos
Uso del lenguaje R para comentarios de sitios web Minería de textos Agrupación Minería de texto
de revisión de productos básicos basada en Agrupación de modelo de tema LDA Análisis
de agrupación jerárquica del conjunto de datos de iris del iris del lenguaje R Modelado de agrupación de medoides K del lenguaje R y regresión GAM Algoritmo de agrupación del lenguaje R
para datos de series temporales de carga de electricidad