全文リンク: tecdat.cn/?p=30605
最近、クライアントから、漢方薬の特許化合物治療に関する研究報告書を作成するよう依頼されました。これには、いくつかの図と統計出力が含まれます。
アソシエーション ルールやクラスタリング手法などのデータ マイニング手法を適用して、伝統的な漢方薬の特許化合物処方の適合性ルールを分析します。
方法:伝統的な漢方薬の特許配合処方を検索し,外用漢方薬および漢方薬と西洋薬の併用の配合処方を除外した。私たちは最近、投薬の規則性に関する調査レポートを書くように依頼されました。これには、グラフや統計の出力が含まれます。選択された伝統的な漢方薬の特許化合物は、用語の標準化によって処理され、情報が抽出され、表が作成され、データ分析ソフトウェア R を使用してデータの関連付けルールが分析され、ネットワーク分析ソフトウェアを使用してクラスター分析が実行されました。
データを見る
バイナリ行列データに変換
colnames(data) <- paste0("X",1:ncol(data))
database <- NULL
for(i in 1:nrow(data)) {
tmp <- integer(length(total_types))
复制代码アプリオリに構築する
plot(all_rules, method = "graph")
复制代码タイトルをクリックすると過去のコンテンツが表示されます
R 言語は、アソシエーション ルールとクラスタリング モデルを使用して処方データをマイニングし、薬物適合性のルールを調査します。
左右にスワイプして詳細を表示
01
02
03
04
伝統的な漢方薬の特許化合物処方ペアの関連付けルールの分析
薬のペアは処方の互換性の基本的な形であり、伝統的な漢方薬の間の互換性関係を反映しています。薬対の漢方薬は、処方箋を組み合わせると同時に処方箋に現れるという特徴があるため、相関規則の分析では、規則を高い信頼度で分析することで、薬対を得ることができます。方法協会。
信頼とサポートに基づいて強力な関連付けルールをフィルタリングする
K-means 平均ネットワーク クラスター分析
うつ病の伝統的な漢方薬の特許化合物の薬物間で複雑な適合性関係のネットワークが形成されます. 相関規則分析を使用して、薬物のペアと強力な相関規則を見つけることができます. 出現により、適合性法則の分析が困難になり、アプリケーションのネットワーク クラスタリング方法は、互換性の法則を効果的に見つけることができます。
#聚类类别号
kmod$cluster
复制代码各カテゴリの強い関連ルールを表示する
クラスタ 1
クラスタ 2
互換性関係ネットワークのクラスター分析結果は、うつ病の治療に一般的に使用される伝統的な漢方薬の「コミュニティ」を示しました。これは、複合処方において比較的密接で固定された互換性を持つ伝統的な漢方薬のいくつかの組み合わせを反映しており、臨床応用は改善することができます治療効果。
記事末尾の「原文を読む」をクリック
全文と完全なコード データ資料を入手してください。
この記事は、「R 言語 APRIORI 協会規則、K-MEANS 平均値クラスタリング データ マイニング ネットワーク 漢方薬特許化合物治療の投薬規則の視覚化」から選択されています。
タイトルをクリックすると過去のコンテンツが表示されます
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
R 言語におけるモデルベースのクラスタリングとガウス混合モデル R言語におけるクラスタリング分析: k-means および階層的クラスタリング
K-Means クラスタリングを使用した SAS 最適な K 値の選択と分析
Web サイトのコメントに対する R 言語を使用したテキスト マイニング
クラスタリングLDA トピック モデル クラスタリング
R 言語 iris iris データ セット 階層的クラスタリング分析R 言語 K-medoids クラスタリング モデリングと GAM 回帰R 言語
電力負荷時系列データの