Question

本次中医证型关联规则建模的流程如图8-3所示。

图8-3　中医证型关联规则模型流程图

由图8-3可知，模型主要由输入、算法处理、输出部分组成。输入部分包括：①建模样本数据的输入；②建模参数的输入。算法处理部分是Apriori关联规则算法。输出部分为关联规则的结果。

模型具体实现步骤为：首先设置建模参数最小支持度、最小置信度，输入建模样本数据。然后采用Apriori关联规则算法对建模的样本数据进行分析，以模型参数设置的最小支持度、最小置信度以及分析目标作为条件，如果所有的规则都不满足条件，则需要重新调整模型参数，否则输出关联规则结果。

目前，如何设置最小支持度与最小置信度，并没有统一的标准。大部分都是根据业务经验设置初始值，然后经过多次调整，获取与业务相符的关联规则结果。本章经过多次调整并结合实际业务分析，选取模型的输入参数为：最小支持度6%、最小置信度75%。其关联规则代码如代码清单8-2所示。

代码清单8-2　Apriori关联规则代码

%% Apriori关联规则算法
#-*- coding: utf-8 -*-
from __future__ import print_function
import pandas as pd
from apriori import * #导入自行编写的高效的Apriori函数
import time #导入时间库用来计算用时
inputfile = '../data/apriori.txt' #输入事务集文件
data = pd.read_csv(inputfile, header=None, dtype = object)
start = time.clock() #计时开始
print(u'\n转换原始数据至0-1矩阵...')
ct = lambda x : pd.Series(1, index = x[pd.notnull(x)]) #转换0-1矩阵的过渡函数，即将标
    签数据转换为1
b = map(ct, data.as_matrix()) #用map方式执行
data = pd.DataFrame(b).fillna(0) #实现矩阵转换，除了1外，其余为空，空值用0填充
end = time.clock() #计时结束
print(u'\n转换完毕，用时：%0.2f秒' %(end-start))
del b #删除中间变量b，节省内存
support = 0.06 #最小支持度
confidence = 0.75 #最小置信度
ms = '---' #连接符，默认'--'，用来区分不同元素，如A--B。需要保证原始表格中不含有该字符
start = time.clock() #计时开始
print(u'\n开始搜索关联规则...')
find_rule(data, support, confidence, ms)
end = time.clock() #计时结束
print(u'\n搜索完成，用时：%0.2f秒' %(end-start))

代码详见：demo/code/apriori_rules.py

运行界面输出类似如下内容。

转换原始数据至0-1矩阵...转换完毕，用时：0.15秒开始搜索关联规则...正在进行第1次搜索...数目：276...正在进行第2次搜索...数目：947...正在进行第3次搜索...数目：41...结果为：
                    support   confidence
A3---F4---H4       0.078495    0.879518
C3---F4---H4       0.075269    0.875000
B2---F4---H4       0.062366    0.794521
C2---E3---D2       0.092473    0.754386
D2---F3---H4---A2  0.062366    0.753247搜索完成，用时：0.97秒