R语言关联规则Apriori对抗肿瘤中药数据库知识发现研究|附代码数据

全文链接:http://tecdat.cn/?p=32660

原文出处:拓端数据部落公众号

肿瘤是近年来严重威胁人类的健康的疾病,据统计,目前大部分种类的肿瘤都呈现不同程度的上升趋势,中国因患肿瘤而死亡的人数约占全球肿瘤死亡总人数的1/4左右,人类正面临着肿瘤防治的新挑战。现代医学治疗肿瘤的手段和方式已经日臻完善,主要为手术配合放、化疗联合治疗。

但传统西医治疗在提高缓解率的同时易产生较强的毒副作用与耐药性。作为传统医学主体的中医药与西医相结合辨证施治,在提高疗效、缓解不良反应等方面有其独特的优势。

本研究帮助客户在收集数据建立抗肿瘤中药数据库的基础上,运用数学模型探寻抗肿瘤中药性效关系及现代药理学研究,为抗肿瘤中医及中西医综合治疗的临证用药提供理论依据。

读取数据

image.png

siqi=read.xlsx("性效挖掘一列0616 2.xlsx",sheet=1 )  
wuwei=read.xlsx("性效挖掘一列0616 2.xlsx",sheet=2 )  
guijing=read.xlsx("性效挖掘一列0616 2.xlsx",sheet=3 )  
duxing=read.xlsx("性效挖掘一列0616 2.xlsx",sheet=4 )  
gongneng =read.xlsx("性效挖掘一列0616 2.xlsx",sheet=5 )

(一)频数统计

四气、五味、归经、有(无)毒、药理功能基础分析

(1)抗肿瘤中药四气、五味、归经、有无毒性、功能、药理作用→频数统计( or 数据分布)

(四气、五味、归经、有毒无毒考虑数字、直方图、饼图表示)

绘制直方图

barplot(table(unlist(x[,2])))  
  tab1=table(unlist(x[,2]))  
  tab2=table(unlist(x[,2]))/sum(table(unlist(x[,2])))  
   
  res=cbind(tab1,tab2)  
  colnames(res)=c("频数","频率")

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

a_df3=merge(siqi,wuwei,by="流水号" )  
a_df3=merge(a_df3,guijing,by="流水号" )

交叉表

药味和四气那两列要和功效分别做两张这种图

tab=table(a_df$功能,a_df$四气)  
for(i in 1:ncol(tab)){

导出为excel文件:

image.png

image.png

image.png

(二)关联规则

对经典的 Apriori 算法进行改进,编程实现双向强关联规则挖掘方法,采用此方法分析药 - 药性 - 功效之间的联系

将数据转换成事务类型

for(i in 2:ncol(a_df3))a_df3[,i]=as.factor(a_df3[,i])



rulesmodel=function(X){

  rules <- sort(rules, by="support")
  arules::inspect(head(rules, n=20))
  #查看最高置信度样本规则
  rules <- sort(rules, by="confidence")

(1)药性 功效关联性分析

1)药性关联性分析

①四气、五味  

rulesmodel(c("四气","五味"))

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

②四气、归经

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

2)药性**-** 功效关联性分析

①四气、功能

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

④四气、五味、归经、功能→综合分析

用网络图表示。用表格?图片类似下图。

rulesmodel(c("四气","五味","归经"))

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

四个比较有两个,一个是(性-味-归经-毒性),用频繁项集和圆圈图。

rulesmodel(c("四气","五味","归经","毒性"))

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

(性-味-归经-功能)的做频繁项集和网络图,做成关系网

rulesmodel(c("四气","五味","归经","功能"))

image.png

1111.png

image.png

image.png

image.png

image.png

image.png


generating real-world evidence at scale using advanced analytic\_984881870\_thumb\_1536x1536.webp

最受欢迎的见解

1.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e7%bb%98%e5%88%b6%e7%94%...)Python中的Apriori关联算法-市场购物篮分析

2.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e7%94%9f%e5%ad%98%e5%88%...)[](http://tecdat.cn/%e9%80%9a%e8%bf%87%e5%85%b3%e8%81%94%e8%a7%8...)R语言绘制生存曲线估计|生存分析|如何R作生存曲线图

3.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e5%a6%82%e4%bd%95%e5%9c%...)[](http://tecdat.cn/%e5%9f%ba%e4%ba%8er%e7%9a%84fp%e6%a0%91fp-gr...)用关联规则数据挖掘探索药物配伍中的规律

4.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e4%b8%ad%e4%bd%bf%e7%94%...)通过Python中的Apriori算法进行关联规则挖掘

5.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e7%94%9f%e5%ad%98%e5%88%...)用关联规则数据挖掘探索药物配伍中的规律

6.[](http://tecdat.cn/r%e8%af%ad%e8%a8%80ggplot2%e8%af%af%e5%b7%ae...)采用SPSS Modeler的Web复杂网络对所有腧穴进行分析

7.[](http://tecdat.cn/r-%e8%af%ad%e8%a8%80%e7%bb%98%e5%88%b6%e5%8a...)R语言如何在生存分析与COX回归中计算IDI,NRI指标

8.R语言如何找到患者数据中具有差异的指标?(PLS—DA分析)

9.R语言中的生存分析Survival analysis晚期肺癌患者4例

你可能感兴趣的:(数据挖掘深度学习机器学习算法)