R语言APRIORI关联规则、K-MEANS均值聚类分析中药专利复方治疗用药规律网络可视化|附代码数据

全文链接：http://tecdat.cn/?p=30605

最近我们被客户要求撰写关于中药专利复方治疗的研究报告，包括一些图形和统计输出。

应用关联规则、聚类方法等数据挖掘技术分析治疗的中药专利复方组方配伍规律

方法检索治疗中药专利复方，排除外用中药及中西药物合用的复方。最近我们被要求撰写关于用药规律的研究报告，包括一些图形和统计输出。对入选的中药专利复方进行术语规范化等处理，抽取信息、建立表，应用数据分析软件R对数据进行关联规则分析，应用网络分析软件进行聚类分析。

查看数据

转换成二值矩阵数据

colnames(data) <- paste0("X",1:ncol(data))

database <- NULL
for(i in 1:nrow(data)) {
  tmp <- integer(length(total_types))

建立apriori

plot(all_rules, method = "graph")

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

中药专利复方中药对的关联规则分析

药对是方剂配伍的基本形式，它反映了中药之间相辅相成、相反相成、同类相从等配伍关系。药对中的中药在组方配伍时具有在处方中同时出现的特点，因此在关联规则分析中，分析置信度较大且双向关联的规则即可得到药对。 

根据置信度和支持度筛选强关联规则

K-means均值网络聚类分析

抑郁症中药专利复方中药物之间形成了一个复杂的配伍关系网络，关联规则分析可以用来发现其中的药对及强关联规则，但随着支持度和置信度阈值参数的降低，关联规则大量涌现，使得其中的配伍规律变得难以分析，应用网络聚类方法可以有效地发现其中的配伍规律。

#聚类类别号
kmod$cluster

查看每个类别中的强关联规则

聚类1

聚类2

配伍关系网络的聚类分析结果显示了抑郁症治疗中常用的中药“社团”，反映了复方中一些配伍关系相对密切、固定的中药联合，临床运用可以提高疗效。