目标:
借助病理信息,挖掘各中医证素与乳腺癌TNM分期之间的关系
思路与流程:
目的是为了挖掘各中医证素与乳腺癌TNM分期之间的关系,故采用关联规则模型
确定模型之后,需要整理患者的各中医证素与乳腺癌TNM分期数据。需要对数据进行预处理,包括数据清洗,属性规约,数据变换等,以适应挖掘的需要
获取数据 - 数据预处理 - 构建模型
一、获取数据
中医证素:’肝气郁结证型系数’、’热毒蕴结证型系数’、’冲任失调证型系数’、’气血两虚证型系数’、’脾胃虚弱证型系数’、’肝肾阴虚证型系数’
乳腺癌TNM分期:H1:I 、H2:II 、H3:III 、H4:IV 。I 期较轻,IV 较重
数据集的大小为 (930行, 7列),没有空值
二、数据预处理
上一步我们发现数据已经非常干净了,这里数据预处理主要工作是对各属性进行离散化处理,将每个属性聚成4类。这样做是为了适应算法的需要,因为关联规则算法无法处理连续型数据
将每个属性聚成4类的关键是找到合适的划分的点。划分点是这样确定的:先通过聚类算法找到各属性的聚类中心,取相邻聚类中心的平均值
肝气郁结证型系数的范围及对应标签:
代码如下:
def f(x):
from sklearn.cluster import KMeans
model = KMeans(n_clusters=4, n_jobs=4)
mo