由于本菜鸡所学专业为中医院校的医学信息工程，所以接触较多的是利用多种算法处理中医医案数据。本文简单介绍传统数据挖掘关联规则算法中的Apriori算法，以及在挖掘中医医案辨证规律中的应用。并简单分析传统算法缺点，提出简要的改进思路。
一、关联规则简介
引入：“啤酒和尿布”
通过对超市数据进行分析，发现hin多男性在买尿布的时候会买几瓶啤酒，因为年轻的爹给娃买尿布的时候也会顺带着给自己带瓶啤酒回去LOL。So，在超市调整货架后，明显的提升了超市啤酒尿布的销量。
简单来说，关联规则就是用来找规律的。（不过数据量比较庞大，所以找规律时比较复杂）
关联规则目的：从海量数据中找出事物之间存在的隐藏的关系
形如X→Y的蕴涵式（若X，则Y）
X：关联规则的先导
Y：关联规则的后继
二、Apriori算法简介
Apriori这个单词啥意思呢？翻翻小字典，发现【adj. 先验的；推测的，adv. 自原因推及结果地】有这两层意思。
所以，很好理解，他是关联规则的一种算法，是用来挖掘海量医案中潜在的隐性规律的。而且是那种肉眼看不出来的规律嘤嘤嘤。
三、Apriori步骤
核心步骤有两个。
Step1：找频繁项集
所有元素中共同出现概率较大的元素集合（很好理解，就是利用概率，找出共同出现很频繁的一组数据，以集合形式呈现）
Step2：从频繁项集找出关联规则
从频繁项集中找出规则X→Y，X和Y可能为单个元素，也可能为多个元素。（可以理解为：X出现的条件下，Y出现的可能性很大，找出这样若干组X、Y，计算即条件概率）
Step1 找频繁项集
频繁项集是什么？是一个集合，集合里是共同出现概率偏大的一组数据。
求解频繁项集时利用的评价指标为支持度Support（名字这么好听……说白了就是共现概率呗）
Support(X,Y)=P(XY)
这里有一个规定：
如果一个项集是频繁项集，则它的所有子集都是频繁项集；如果一个集合不是频繁项集，则它的所有父集都不是频繁项集。（很容易理解叭）
利用这样的思想即可进行下面的步骤。此处举例说明。
已知有4条数据，和ABCDE五个元素，表格展示了每条数据中不同元素的分布情况。
目的是为了找到一个元素都出现很频繁的集合。先设定支持度即共现概率的阈值，若计算结果小于该值，则表示出现不频繁，自然频繁项集中就没有这些元素。
设定支持度阈值为0.5。
1、先从一元集合入手，共ABCDE五个数据，所以第一步得到{A}{B}{C}{D}{E}五个一元元素集合，计算每个集合中元素出现的概率，如{A}出现概率为2/4，以此类推。将小于0.5的集合舍去，即{D}。
2、得到{A}{B}{C}{E}四个一元集合，进一步找二元集合，即将刚才的四个一元集合排列组合拼接，得到{AB}{AC}{AE}{BC}{BE}{CE}，再次计算二元集合内部元素的支持度，如{AB}支持度为AB共同出现的概率1/4，小于0.5，舍去。同理，得到符合要求的二元集合。
3、同理，增加集合元素数，元素数为3、4……时，计算出支持度……得到最后的结果，频繁项集为{BCE}
Step2 找关联规则
规则是什么？是一个蕴含式X->Y（若X即Y），且X、Y同属于一个集合，X、Y无交集。
计算关联规则标准时利用的评价指标为置信度Confidence（名字依旧好听……其实就是条件概率）
Confidence(X,Y)=P(Y|X)
找关联规则时是通过频繁项集的子集得到的，{BCE}的子集有{B},{C},{E},{B,C},{B,E},{C,E}，计算这些子集两两之间的置信度，将小于阈值的规则舍去。
设定置信度阈值为0.5。
如{B}->{C}即计算B出现的情况下C出现的概率，为2/3。同理，计算其他。最后得到下图符合条件的结果。
四、算法缺点
实验数据为中医医案，实验目的为找中医辨证规律，即症状、病位、病性、症状两两之间的关系。
数据为excel表格，每一行是一条医案，用Apriori明显有两个缺点。
1、重复度太高。结果会有A->B,A->C,A->BC，显然前两个规则是重复的。当然这和阈值设定有关，如果阈值太低，重复度就会惊人的高！
2、易过滤出现次数少但很重要的数据。比如实验时发现“证型”数据总是被筛除，支持度阈值小于0.04时，频繁项集中才出现证型。那阈值低了之后，能确保结果出现证型这类比较少的数据，可是其他数据很多重复的呀，这就很矛盾。
3、规则前后项类别混杂。由于频繁项集里的元素会有不同证类型数据，而找规则时是利用频繁项集子集，所以不同证类别地位平等，就导致结果会有类似“症状，病位->病位，病性”这种，明显不符合要求。
五、中医药数据挖掘的改进方法
以“症状->病位”的规则为例。
将原有症状数据和病位数据单独抽取出来，做两个0-1矩阵，每个矩阵行为医案索引，列为所有出现过的症状或病位。
然后计算每一个症状到每一个病位的共现频率和条件概率，设定二者阈值，筛选出符合要求的二元规则，最后将重复以元素聚合。
okk
以上就是全部内容啦
下期再会~