医药数据挖掘..doc

医药数据挖掘 Data mining in medicine 季海霞 山西省中医药研究院 ,030012 ,2533360723@ 1简介 1 2过程 1 3常用算法 2 3.1 关联分析 3 3.2 分类分析 3 3.3 聚类分析 4 3.4 时间序列分析 4 3.5 决策树方法 4 3.6 神经元网络技术 4 3.7 粗糙集理论 5 4在中医药领域的应用情况 5 4.1 关联分析法 5 4.2 典型的分类分析 5 4.3 聚类方法 5 4.4 时间序列分析 6 4.5 决策树 6 4.6 神经网络 6 5结论与展望 6 6 参考文献 6 【中文摘要】数据挖掘是世纪末逐步形成的一个多种学科交叉的领域，至今已经普遍地应用在零售、医药、通讯、金融、航空、电子工程、旅馆等具有众多数据和需要数据深度分析的领域.本文从四个方面具体地介绍了数据挖掘的定义，过程，常见的数据挖掘算法和在中医药领域的应用情况。 【关键词】医药、数据挖掘、算法、应用 Data mining is a multi-disciplinary field gradually formed at end of the century, has been widely applied in the fields that have a number of data and need in-depth analysis of data including retail, pharmaceutical, telecommunications, finance, aviation, electronic engineering, hotels, etc. In this paper,from four specific aspects ,introduces definitions of data mining, process, common data mining algorithms and applications in the field of medicine. 【Key words 】medicine;data mining; algorithms; using 1简介 近来, 数据挖掘逐渐地引起了医药领域的极大关注, 其原因是医药数据的数量十分庞大, 且急需将这些数据快速而准确的转变成有用的医药知识和可以利用的信息, 从而可将获取的知识和信息广泛适宜的应用于各类医学应用实践中。并且数据挖掘作为数据库与人工智能交叉融合的高端信息处理技术，其在一定程度上可以帮助人们借助现代信息处理技术，获得隐藏在数据中反映事物的本质特点和预测事态发展趋向的有用知识，并且以这些知识为基础可以用来辅助科学决策。 数据挖掘必威体育精装版的描述性定义是由Usama M .Fayy yad 等[1] 给出的:数据挖掘即数据库中的知识发现、描述、统计、分析与利用[2]，就是从大量的数据库中提取人们感兴趣的相关知识，这些知识是人们一开始未知的、隐藏的、密集的、模糊的、看起来似乎随机的信息，其表现为规则、概念、模式、规律等形式[3]。也是从数据集中识别出有效的、新颖的、有潜在价值的, 以及最终可被理解的模式的非平凡过程。数据挖掘是一个多种应用学科有机交叉形成的广泛的领域, 其包括知识库系统、人工智能、数据库技术、机器学习、信息检索、统计学、神经网络、模式识别、高性能计算、知识获取、和可视化等相关内容[4]。其任务大体上可分为描述和分析预测数据的进一步发展对事物的有效影响。 2过程 从医药技术的多重角度来看，数据挖掘的基本过程如下图1。 图1 数据挖掘的基本过程 并且在采集数据之后，抽样和清理之类的工作还需再进行。其清理的结果就是人们想要得到的数据样本集。此外数据仓库的数据应用形式［5］也是一种数据存储的有效形式，对数据挖掘应用方面极大的有利。然后，就可以应用各种算法来挖掘数据。但有的时候，还有需要返回到上一阶段的情况出现，重新将上述过程经历一遍或数遍。 数据挖掘的采用基本算法根据其挖掘方式的不同可以分为有教师型和无教师型两种形式，也就是所谓的监督学习和非监督学习。首先在有监督学习算法中，先会给与一个教师信号，对训练的样本集中的每个输入样本能获得分类代价和类别标记，并且寻找能够降低总成本价值的方向。其次在无监督学习算法中却没有显式的教师。 。 图2数据挖掘算法 关联分析即是从大量的数据中来发现不同项或项集之间隐含的联系或相互关联。如果两个或多个数据项之间的取值多次出现并且重复概率较高时，那它们之间就存在着某种关联，可以建立这些数据项之间的关联规则。通常有用的关联规则一般需要满足设定的支持度和置信度这两个条件，前者是一组