R语言APRIORI模型关联规则挖掘分析脑出血急性期用药规律最常配伍可视化

简介: R语言APRIORI模型关联规则挖掘分析脑出血急性期用药规律最常配伍可视化

全文链接:http://tecdat.cn/?p=31846


本文帮助客户运用关联规则方法分析中医治疗脑出血方剂,用Apriori模型挖掘所选用的主要药物及其用药规律,为临床治疗脑出血提供参考点击文末“阅读原文”获取完整代码数据


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分析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


查看每个药品的出现频率


uencPlot(dat1, support = 0.3, cex.names=0.8)

可以看到每个药品出现的频率,从而判断哪些药品的支持度较高


得到频繁规则挖掘


查看求得的频繁项集


根据支持度对求得的频繁项集排序并查看


关联规则挖掘


apriori(dat

设置支持度为0.01,置信度为0.3


summary(rules)#查看规则

查看部分规则


inspect(rules)

查看置信度、支持度和提升度


quality(head(rules))

绘制不同规则图形来表示支持度,置信度和提升度


通过该图 可以看到 规则前项和规则后项分别有哪些药品 以及每个药品的支持度大小,支持度越大则圆圈越大。


点击标题查阅往期内容


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


01

02

03

04


从该图可以看到支持度和置信度的关系,置信度越高提升度也越高


从该图可以看到支持度和置信度的关系,提升度越高置信度也越高


从上图可以看到 不同药品之间的关联关系 图中的点越大说明该药品的支持度越高,颜色越深说明该药品的提升度越高。


查看最高置信度样本规则


rules <- sort(rules, by="confidence")

查看最高提升度样本规则


得到有价值规则子集


x=suet(rules,sbst=confidence>0.3 & support>0.2 & lift>=1)    #得到有价值规则子集

对有价值的x集合进行数据可视化


相关文章
|
1月前
|
数据采集 机器学习/深度学习 数据可视化
R语言从数据到决策:R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入,从数据收集、预处理、分析到预测模型构建和决策支持,R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用,我们可以更好地利用数据驱动企业决策,提升企业的竞争力和盈利能力。未来,随着大数据和人工智能技术的不断发展,R语言在商业分析领域的应用将更加广泛和深入,为企业带来更多的机遇和挑战。
|
1月前
|
数据采集 数据可视化 数据挖掘
R语言在金融数据分析中的深度应用:探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果,R语言能够帮助金融机构深入挖掘数据价值,洞察市场动态。未来,随着金融数据的不断积累和技术的不断进步,R语言在金融数据分析中的应用将更加广泛和深入。
|
2月前
|
机器学习/深度学习 数据采集 数据可视化
R语言在数据科学中的应用实例:探索与预测分析
【8月更文挑战第31天】通过上述实例,我们展示了R语言在数据科学中的强大应用。从数据准备、探索、预处理到建模与预测,R语言提供了完整的解决方案和丰富的工具集。当然,数据科学远不止于此,随着技术的不断发展和业务需求的不断变化,我们需要不断学习和探索新的方法和工具,以更好地应对挑战,挖掘数据的潜在价值。 未来,随着大数据和人工智能技术的普及,R语言在数据科学领域的应用将更加广泛和深入。我们期待看到更多创新的应用实例,为各行各业的发展注入新的动力。
|
2月前
|
数据采集 存储 数据可视化
R语言时间序列分析:处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具,为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化,R语言都提供了灵活且强大的解决方案。然而,时间序列数据的处理和分析是一个复杂的过程,需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
|
5月前
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
|
5月前
|
机器学习/深度学习 数据可视化
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为2
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
2月前
|
资源调度 数据挖掘
R语言回归分析:线性回归模型的构建与评估
【8月更文挑战第31天】线性回归模型是统计分析中一种重要且实用的工具,能够帮助我们理解和预测自变量与因变量之间的线性关系。在R语言中,我们可以轻松地构建和评估线性回归模型,从而对数据背后的关系进行深入的探索和分析。
|
2月前
|
机器学习/深度学习 数据采集
R语言逻辑回归、GAM、LDA、KNN、PCA主成分分类分析预测房价及交叉验证
上述介绍仅为简要概述,每个模型在实施时都需要仔细调整与优化。为了实现高度精确的预测,模型选择与调参是至关重要的步骤,并且交叉验证是提升模型稳健性的有效途径。在真实世界的房价预测问题中,可能还需要结合地域经济、市场趋势等宏观因素进行综合分析。
52 3
|
5月前
|
数据采集 数据可视化
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
|
5月前
利用R语言进行典型相关分析实战
利用R语言进行典型相关分析实战