【正文】 2： NO 8： NO 9： YES 11： YES 氣溫 1： no 2： no 8： no 9： yes 11:yes 熱 溫暖 涼爽 序號(hào) 天氣 氣溫 打網(wǎng)球 1 晴 熱 NO 2 晴 熱 NO 8 晴 溫暖 NO 9 晴 涼爽 YES 11 晴 溫暖 YES 以天氣晴下面建立分支為例：以信息完全確定作為分支的結(jié)束 62 62 天氣 晴 多云 雨 濕度 1:no 2:no 8:no 9:yes 11:yes 序號(hào) 天氣 濕度 打網(wǎng)球 1 晴 高 NO 2 晴 高 NO 8 晴 高 NO 9 晴 正常 YES 11 晴 正常 YES 高 正常 2022/2/3 63 序號(hào) 天氣 有風(fēng) 打網(wǎng)球 1 晴 無 NO 2 晴 有 NO 8 晴 無 NO 9 晴 無 YES 11 晴 有 YES 天氣 晴 多云 雨 有風(fēng) 1:no 8:no 9:yes 2:no 11:yes 無 有 以天氣晴下面建立分支為例：以信息完全確定作為分支的結(jié)束 2022/2/3 64 天氣 晴 多云 雨 64 1： NO 2： NO 8： NO 9： YES 11： YES 天氣 晴 多云 雨 天氣 晴 多云 雨 氣溫 濕度 有風(fēng) 1： no 2： no 8： no 9： yes 11:yes 1:no 2:no 8:no 9:yes 11:yes 1:no 8:no 9:yes 2:no 11:yes 2022/2/3 65 天氣 晴 多云 雨 1： NO 2： NO 8： NO 9： YES 11： YES 3： YES 7： YES 12:YES 13:YES 4： YES 5： YES 6： NO 10： YES 14： NO 濕度 高 正常 有風(fēng) 無 有 1： no 2： no 8： no 9： yes 11： yes 4： yes 5： yes 10： yes 6： no 14： no 最終的決策樹 結(jié)果人性化 天氣 晴 濕度 高 正常 多云 雨 有風(fēng) 無風(fēng) 有風(fēng) 2022/2/3 66 決策樹的特點(diǎn) ? 決策樹一般都是自上而下的來生成的。 2022/2/3 43 決策樹 ? 決策樹 (decision tree) 每個(gè)決策或事件都可能引出兩個(gè)或多個(gè)事件，導(dǎo)致不同的結(jié)果，把這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹 ? 例：根據(jù)表格情況形成分類樹 2022/2/3 44 性別 年齡 血壓 藥物 1 男 20 正常 A 2 女 73 正常 B 3 男 37 高 A 4 男 33 低 B 5 女 48 高 A …… 藥物 B 血壓 年齡 藥物 A 藥物 B 藥物 A 高 正常 低 ≤ 40 40 如何解讀決策樹信息 ? 如果血壓高，則采用藥物 A ? 如果血壓低，則采用藥物 B ? 如果血壓正常并且年齡小于等于 40，則采用藥物 A，否則采用藥物B. 2022/2/3 45 藥物 B 血壓 年齡 藥物 A 藥物 B 藥物 A 高 正常 低 ≤ 40 40 產(chǎn)生疑問如何計(jì)算 ? 節(jié)點(diǎn)如何劃分？ 為什么先血壓，后年齡？ ? 分裂變量的界限 為什么以 40歲為界限？ 2022/2/3 46 藥物 B 血壓 年齡 藥物 A 藥物 B 藥物 A 高 正常 低 ≤ 40 40 介紹其中一個(gè) ID3算法計(jì)算決策樹 ? 14天打網(wǎng)球情況。 0 2 0 3 4 0 ? 聚類完成 2022/2/3 35 0 3 0 聚類分析特點(diǎn) ? 是物以類聚的一種統(tǒng)計(jì)分析方法。 此結(jié)果蘊(yùn)含著巨大的商業(yè)價(jià)值： 兩件 商品 間隔 最遠(yuǎn) 兩件 商品 放在 一起 啤酒 尿布 如何完成？ ? 通過支持度和置信度高低來衡量關(guān)聯(lián)的強(qiáng)度。 ? 發(fā)現(xiàn)隱含的知識(shí) 數(shù)據(jù)挖掘工作者不愿把先驗(yàn)知識(shí)預(yù)先嵌入算法，是在沒有前提假設(shè)的情況下，從事信息的挖掘與知識(shí)的提取。2022/2/3 1 China Academy of Chinese Medical Sciences 數(shù)據(jù)挖掘 在中醫(yī)藥研究中的應(yīng)用 中醫(yī)藥信息研究所 數(shù)據(jù)挖掘的相關(guān)概念 數(shù)據(jù)挖掘在中醫(yī)藥領(lǐng)域中的應(yīng)用 內(nèi)容 課 容 內(nèi) 程 2 產(chǎn)生 數(shù)據(jù)挖掘的產(chǎn)生 3 ? 什么激發(fā)了數(shù)據(jù)挖掘？ —— “數(shù)據(jù)爆炸”但“知識(shí)貧乏” 4 信息社會(huì)迅猛發(fā)展 sz數(shù)據(jù)激增 發(fā)現(xiàn)隱藏信息 利用數(shù)據(jù) 獲取知識(shí) 為我所用 大型數(shù)據(jù)庫 涌現(xiàn) 數(shù)據(jù)庫技術(shù) 發(fā)展 用戶不滿足 于數(shù)據(jù)庫的 查詢功能 統(tǒng)計(jì)學(xué) 機(jī)器學(xué)習(xí) 模式 識(shí)別 信息科學(xué) 數(shù)據(jù)庫 可視化 數(shù)據(jù) 挖掘 數(shù)據(jù)挖掘的出現(xiàn)是數(shù)據(jù)庫技術(shù)發(fā)展的必然 借用 挖掘金礦的名稱 數(shù)據(jù) 知識(shí) 數(shù) 據(jù) 挖 掘 希望利用數(shù)據(jù)挖掘技術(shù)解決“數(shù)據(jù)豐富”與 “知識(shí)貧乏”之間的矛盾 2022/2/3 7 數(shù)據(jù)挖掘的歷史 1989年 11屆國際人工智能研討會(huì) 首次提出了基于數(shù)據(jù)挖掘的知識(shí)發(fā)現(xiàn) 由美國人工智能協(xié)會(huì)主辦的知識(shí)發(fā)現(xiàn)國際研討會(huì)已經(jīng)召開了 8次，規(guī)模由原來的專題討論會(huì)發(fā)展到國際學(xué)術(shù)大會(huì) 國內(nèi)： 1993年國家自然科學(xué)基金首次支持該領(lǐng)域的研究項(xiàng)目。 2022/2/3 11 數(shù)據(jù)挖掘的特點(diǎn) ? 關(guān)聯(lián)分析 ? 分類 ? 聚類分析 ?…… 介紹上述功能的一些具體計(jì)算方法。 什么是支持度？如何計(jì)算？ 什么是置信度？如何計(jì)算？ 沃爾瑪超市為范例 ? 顧客買東西很多，有很多購買收據(jù)記錄。用于對事物類別的面貌尚不清楚，甚至在事前連總共有幾類都不能確定的情況下進(jìn)行分類。 ? 14天不同天氣情況下打網(wǎng)球的情況 ? 分類目的：根據(jù)新的一天天氣，決定是否打網(wǎng)球 2022/2/3 47 天氣 溫度 濕度 有風(fēng) yes No yes No yes no yes no 晴 2 3 熱 2 2 高 3 4 否 6 2 多云 4 0 溫暖 4 2 正常 6 1 是 3 3 雨 3 2 涼爽 3 1 打網(wǎng)球 YES NO 9 5 14天具體打網(wǎng)球情況： 序號(hào) 天氣 氣溫 濕度 有風(fēng) 打網(wǎng)球 1 晴 熱 高 無 NO 2 晴 熱 高 有 NO 3 多云 熱 高 無 YES 4 雨 溫暖 高 無 YES 5 雨 涼爽 正常 無 YES 6 雨 涼爽 正常 有 NO 7 多云 涼爽 正常 有 YES 8 晴 溫暖 高 無 NO 9 晴 涼爽 正常 無 YES 10 雨 溫暖 正常 無 YES 11 晴 溫暖 正常 有 YES 12 多云 溫暖 高 有 YES 13 多云 熱 正常 無 YES 14 雨 溫暖 高 有 NO 48 每一個(gè)因素形成一個(gè)決策樹分支 天氣 yes No 晴 2 3 多云 4 0 雨 3 2 2022/2/3 49 基于天氣劃分決策樹 天氣 1： NO 2： NO 8： NO 9： YES 11： YES 3： YES 7： YES 12:YES 13:YES 4： YES 5： YES 6： NO 10： YES 14： NO 晴 多云 雨 其他因素也形成了一個(gè)樹的分支 2022/2/3 50 氣溫 1： NO 2： NO 8： YES 13： YES 4： YES 8： NO 10： YES 11： YES 12： YES 14： NO 5： YES 6： NO 7： YES 9： YES 熱 溫暖 涼爽 有風(fēng) 1： YES 3： NO 4： YES 5： YES 8： YES 9： NO 10： YES 13： YES 2： NO 6： NO 7： YES 11： YES 12YES 14： NO false true 濕度 1： NO 2： NO 3： YES 4： YES 8： NO 12： YES 14： NO 5： YES 6： NO 7： YES 10： YES 11： YES 13： YES 高 正常 如何把多個(gè)因素合并成一個(gè)大的決策樹？ ? 天氣、氣溫、濕度、有風(fēng)這四個(gè)因素誰為起點(diǎn)分支？在何處分支？在何處停止？ ? 越確定的在分支，越不確定的 在主干。 ? 可以完成分類任務(wù)，而且因?yàn)槭菢錉罱Y(jié)構(gòu)，比較容易被使用者理解。 ? 例如： 關(guān)聯(lián)分析中常用 apriori算法， 算法就是一種計(jì)算方法， 例如：計(jì)算一個(gè)班上有多少人：可以用加法或乘法。 ? 辨證必須含有病性和病位內(nèi)容。 ? 參考上述的中藥 [處方應(yīng)付 ]，熟大黃、制大黃都合并為熟大黃。 數(shù)據(jù)挖掘 高頻組 備注 經(jīng)血量多 ?肢腫 癥狀 +癥狀 血瘀 ?脾虛 證型 +證型 白芍 ?白術(shù) 中藥 +中藥 脾虛 ?口渴 證型 +癥狀 麥冬 ?脾虛 中藥 +證型 白芍 ?口渴 中藥 +癥狀 合并 分類 高頻中藥 +癥狀組 白芍 ?口渴。二藥配伍，互補(bǔ)為用，活血。一些用藥規(guī)律在醫(yī)師的就診期間經(jīng)常被使用 . 藥物之間關(guān)系被量化表達(dá)例如仙茅 +淫羊藿是結(jié)合最緊密地一對藥對，幾乎不單獨(dú)出現(xiàn)，而且這種緊密結(jié)合的關(guān)系又有置信度 95%這樣的數(shù)值支持，傳統(tǒng)理論和方法都無法如此定量的表達(dá)這種關(guān)系。 參考 《 中藥學(xué) 》 小茴香 ?寒 13% 77% 小茴香性辛溫，散寒止痛，理氣和中。 … … … … 新鮮知 識(shí)分析 藥對結(jié)果分析（舉例） 閉經(jīng)病高頻藥對 支持度 置信度 藥對分析 注釋 川芎＝當(dāng)歸 36% 74% 川芎其性善散，又走肝經(jīng)，氣中之血藥也。 癥 狀 部 分 用 詞 拆 分 下腹微刺痛 醫(yī)案原文 拆分 下腹微刺痛 下腹 微刺痛 下 刺 微 腹 微刺 痛 規(guī)范后 腹痛 下腹痛 腹刺痛 刺痛 下腹刺痛 規(guī)范后 癥 狀 標(biāo) 注 表（部分） 編號(hào) 規(guī)范后癥狀 頻次 醫(yī)案中原文癥狀用詞及使用頻次 202205 體瘦 289 體瘦 93 消瘦 42 形體消瘦 34 形瘦 33 形體瘦弱 28 形體削瘦5 形體較瘦 5 面黃肌瘦 4 體質(zhì)瘦弱 3 贏瘦 3 形體瘦小3 身體瘦弱 3 瘦弱 3 體質(zhì)消瘦 2 身體嬴瘦 2 形體不豐2 形體偏