0 引言
數(shù)據(jù)挖掘從20世紀(jì)80年代提出到現(xiàn)在，不過短短20多年的時間，但其應(yīng)用已非常廣泛，不僅用于科研領(lǐng)域，在商業(yè)領(lǐng)域的應(yīng)用也毫不遜色，尤其是用于銀行、電信、保險、交通、零售(如超級市場)等領(lǐng)域。數(shù)據(jù)挖掘在醫(yī)學(xué)領(lǐng)域的應(yīng)用也有著廣泛的前景。在醫(yī)學(xué)領(lǐng)域存在著大量的數(shù)據(jù)，包括病人病史、診斷、檢驗、和治療的臨床信息，藥品管理信息，醫(yī)院管理信息等。數(shù)據(jù)挖掘應(yīng)用到醫(yī)學(xué)領(lǐng)域，對醫(yī)學(xué)數(shù)據(jù)進行分析，提取隱含的有價值的信息能夠促進醫(yī)院管理者作出明智決策、醫(yī)生對病人的正確診斷和治療。這對促進人類健康、保持健康的生活質(zhì)量都有積極的意義。
1 基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)分析
1.1 數(shù)據(jù)挖掘概述
1.1.1 數(shù)據(jù)挖掘的定義
數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在的有用信息和知識的過程。這個定義包含幾層含義，數(shù)據(jù)源必須是真實的、大量的、含噪聲的;發(fā)現(xiàn)的是用戶感興趣的知識;發(fā)現(xiàn)的知識要可接受、可理解、可運用;并不要求發(fā)現(xiàn)放之四海而皆準(zhǔn)的知識，僅需支持特定的發(fā)現(xiàn)問題。
1.1.2 數(shù)據(jù)挖掘的過程
數(shù)據(jù)挖掘過程一般需要經(jīng)歷數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)開采、結(jié)果表述和解釋三個主要步驟。
(1)數(shù)據(jù)準(zhǔn)備。數(shù)據(jù)準(zhǔn)備是數(shù)據(jù)挖掘中的一個重要步驟，數(shù)據(jù)準(zhǔn)備是否做好將直接影響到數(shù)據(jù)挖掘的效率、準(zhǔn)確度以及最終模式的有效性。這個階段又可以進一步分為三個子步驟：數(shù)據(jù)集成、數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理。
(2)數(shù)據(jù)開采。數(shù)據(jù)開采階段選定某個特定的數(shù)據(jù)挖掘算法(如關(guān)聯(lián)規(guī)則、分類、回歸、聚類等算法)，用于搜索數(shù)據(jù)中的模式。這是數(shù)據(jù)挖掘過程中最關(guān)鍵的一步，也是技術(shù)難點。
(3)結(jié)果表述和解釋。根據(jù)最終用戶的決策目的，對提取的信息進行分析，把最有價值的信息區(qū)分出來，并且通過決策支持工具提交給決策者。因此，這一步驟的任務(wù)不僅是把結(jié)果表達(dá)出來，還要對信息進行過濾處理。如果不能令決策者滿意，需要重復(fù)以上的數(shù)據(jù)挖掘過程。
1.2 關(guān)聯(lián)規(guī)則概述
給定一個事務(wù)(交易)數(shù)據(jù)庫，人們往往希望發(fā)現(xiàn)事務(wù)中的關(guān)聯(lián)事實，即事務(wù)中一些項目的出現(xiàn)必定隱含著同次事務(wù)中其他項目的出現(xiàn)，這是關(guān)聯(lián)規(guī)則的一個簡單的描述。
設(shè)I ={t1,t2 ,-,tm} 是由m 個不同項目組成的集合，D 是交易數(shù)據(jù)庫(交易數(shù)據(jù)庫又稱事務(wù)數(shù)據(jù)庫)，其中每一個交易或事務(wù)T 是I 中一些項目的集合，即T- I.每一個交易或事務(wù)T 都與一個惟一的標(biāo)識符TID相聯(lián)。
對于項目集X-I,如果X-T,則交易或事務(wù)T 支持X.
如果X 中有k 個項目，則又稱X 為k- 項目集，或X 的長度為k.
關(guān)聯(lián)規(guī)則是指形式如下的一種數(shù)據(jù)隱含關(guān)系：X -Y,其中X - I,Y-I,且X-Y = -.
關(guān)聯(lián)規(guī)則挖掘的任務(wù)是：在給定的交易或事務(wù)數(shù)據(jù)庫D 中，發(fā)現(xiàn)D 中所有的頻繁關(guān)聯(lián)規(guī)則。所謂頻繁關(guān)聯(lián)規(guī)則是指這些規(guī)則的支持度、置信度分別不低于用戶給定的最小支持度和最小置信度。
