前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R语言APRIORI关联规则、K-MEANS均值聚类分析中药专利复方治疗用药规律网络可视化|附代码数据

R语言APRIORI关联规则、K-MEANS均值聚类分析中药专利复方治疗用药规律网络可视化|附代码数据

原创
作者头像
拓端
发布2023-01-06 23:06:23
7030
发布2023-01-06 23:06:23
举报
文章被收录于专栏:拓端tecdat拓端tecdat

全文链接:http://tecdat.cn/?p=30605

最近我们被客户要求撰写关于中药专利复方治疗用药规律的研究报告,包括一些图形和统计输出。

应用关联规则、聚类方法等数据挖掘技术分析治疗的中药专利复方组方配伍规律

方法检索治疗中药专利复方,排除外用中药及中西药物合用的复方。最近我们被要求撰写关于用药规律的研究报告,包括一些图形和统计输出。对入选的中药专利复方进行术语规范化等处理,抽取信息、建立表,应用数据分析软件R对数据进行关联规则分析,应用网络分析软件进行聚类分析。

查看数据

图片
图片

转换成二值矩阵数据

代码语言:javascript
复制
colnames(data) <- paste0("X",1:ncol(data))

database <- NULL
for(i in 1:nrow(data)) {
  tmp <- integer(length(total_types))
图片
图片

建立apriori

代码语言:javascript
复制
plot(all_rules, method = "graph")
图片
图片

点击标题查阅往期内容

图片
图片

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

图片
图片

左右滑动查看更多

图片
图片

01

图片
图片

02

图片
图片

03

图片
图片

04

图片
图片

中药专利复方中药对的关联规则分析

药对是方剂配伍的基本形式,它反映了中药之间相辅相成、相反相成、同类相从等配伍关系。药对中的中药在组方配伍时具有在处方中同时出现的特点,因此在关联规则分析中,分析置信度较大且双向关联的规则即可得到药对。?

图片
图片

根据置信度和支持度筛选强关联规则

图片
图片

K-means均值网络聚类分析

抑郁症中药专利复方中药物之间形成了一个复杂的配伍关系网络,关联规则分析可以用来发现其中的药对及强关联规则,但随着支持度和置信度阈值参数的降低,关联规则大量涌现,使得其中的配伍规律变得难以分析,应用网络聚类方法可以有效地发现其中的配伍规律。

代码语言:javascript
复制
#聚类类别号
kmod$cluster
图片
图片

查看每个类别中的强关联规则

图片
图片

聚类1

图片
图片

聚类2

图片
图片

配伍关系网络的聚类分析结果显示了抑郁症治疗中常用的中药“社团”,反映了复方中一些配伍关系相对密切、固定的中药联合,临床运用可以提高疗效。


图片
图片

点击文末 “阅读原文”

获取全文完整代码数据资料。

本文选自《R语言APRIORI关联规则、K-MEANS均值聚类数据挖掘中药专利复方治疗用药规律网络可视化》。

点击标题查阅往期内容

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 基于模型的聚类和R语言中的高斯混合模型 r语言聚类分析:k-means和层次聚类 SAS用K-Means 聚类最优k值的选取和分析 用R语言进行网站评论文本挖掘聚类 基于LDA主题模型聚类的商品评论文本挖掘 R语言鸢尾花iris数据集的层次聚类分析 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语言聚类算法的应用实例

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 全文链接:http://tecdat.cn/?p=30605
  • 查看数据
  • 转换成二值矩阵数据
  • 建立apriori
  • 中药专利复方中药对的关联规则分析
  • K-means均值网络聚类分析
  • 查看每个类别中的强关联规则
    • 聚类1
      • 聚类2
      相关产品与服务
      灰盒安全测试
      腾讯知识图谱(Tencent Knowledge Graph,TKG)是一个集成图数据库、图计算引擎和图可视化分析的一站式平台。支持抽取和融合异构数据,支持千亿级节点关系的存储和计算,支持规则匹配、机器学习、图嵌入等图数据挖掘算法,拥有丰富的图数据渲染和展现的可视化方案。
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
      http://www.vxiaotou.com