【阶段三】Python机器学习33篇：机器学习项目实战：医学病症关联规则分析

已于 2023-06-08 20:39:58 修改
阅读量791 收藏 3
点赞数 1
分类专栏： Python数据分析机器学习深度学习：从入门到项目实战 文章标签： 人工智能 python 医学病症关联规则分析 从入门到项目实战
于 2023-01-14 16:35:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42163563/article/details/128685989
版权

本篇的思维导图：

医学病症关联规则分析

项目背景

       本项目演示一个医学领域的有趣应用——病症关联规则分析，同时利用apyori库和mlxtend库来编写代码，从数据分析的角度去研究病症背后的关联规则。假设有一种医学理论认为，五脏和一些病症之间存在关联关系，见下表。例如，如果一个人的脾出了问题，那么他身上除了会表现出与脾关联的便秘病症，很可能还会伴随着消化不良的病症。

五脏

<
了解本专栏 订阅专栏 解锁全文
胖哥真不错
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
Python机器学习小案例源码 -- 骨科疾病预测
一起学习机器学习第一章
04-03 1258
#内容为实现小象学院的相关代码#数据连接https://www.kaggle.com/uciml/biomechanical-features-of-orthopedic-patientsimport pandas as pdimport numpy as npimport seaborn as snsimport matplotlibimport matplotlib.pyplot as plt...
python对医疗数据进行分析，看看哪个年龄段最容易生病
weixin_62853513的博客
05-06 2668
大家早好、午好、晚好吖 ❤ ~欢迎光临本文章明确目的–获得数据(爬虫，现有，公开的数据)–数据预处理——数据可视化——结论。
AMIE：在不完整知识库下的关联规则挖掘（代码+文档）
03-18
最近几年，例如YAGO和DBpedia等大规模知识库发展有了很大的进步。知识库提供了大量的不同种类的实体信息，如人、国家、河流、城市大学等等，同时知识库包含了大量的在实体（entity）间的关系既事实（fact）。当今的知识库包含的数据量是巨大的通常有百万个实体和上亿个描述实体间关系的事实数据。 虽然目前的知识库存在大量的实体和事实数据，但是这样大规模的数据仍然不完整。目前构建知识库的方法主要有两种，一种是从大量的文本中抽取事实但这种方法必然会带来大量的噪声数据，第二是人工扩展，但这样的方法对于时间的开销是极大的。如果确保一个知识库是完整的则必须花费很大的努力来抽取大量的事实，并检查事实的正确性，因为只有正确的事实加入到知识库中才是有意义的。同时知识库的本身由于有足够的信息可以推理出更多的新的事实。例如有这样一个例子，一个知识库包含一组事实是孩子c有一个妈妈m，这样可以推理得出孩子妈妈的丈夫f很可能是孩子的父亲。该逻辑规则形式化的描述如下： motherof(m,c)∧marriedTo(m,f)⟹fatherof(f,c) 挖掘这种规则可帮助做一下四种事情：1、利用这种规则来推理出新的事实，而这些被挖掘出的新的事实可以使知识库更完整。2、这些规则可以检测出知识库潜在的错误例如一个陈述是一个与一个男孩无关的人是这个男孩的父亲，这样的陈述很可能是错误的。3、有很多推理工具依赖其他工具提供规则，所以这些被挖掘出来的规则可以用于推理。4、这些规则描述一个普遍的规律，这些规律可以帮我我们理解分析知识库中的数据，如找到一些国家通常与说同一种语言的国家交易。或结婚是一个对称关系，或使用同一个乐器的音乐家通常互相影响等等。 AMIE的目标是从RDF格式的知识库中挖掘如上所述的逻辑规则，在语义网（Semantic Web）中存在大量的RDF知识库如YAGO、Freebase和DBpedia等。这些知识库使用RDF三元组（S,P,O）提供二元关系（binary relation）的描述。由于知识库一般只包含正例而（S,P,O）没有反例（S,¬P,O），所以RDF这样的知识库中仅能通过正例来推理。进一步来说在RDF知识库上的操作是基于开放世界假设（OWA）的。在开放世界假设下，一个事实没有在知识库中存在那么我们不能说这个事实是错误的，只能说这个陈述是未知的。这与标准的数据库在封闭世界假设的设定有本质上的区别。例如在知识库中没有包含marry(a,b)，在封闭世界假设中我们可以得出这个a没有和b结婚而在开放世界假设下我们只能说a可能结婚了也可能单身。 压缩包内包含AMIE可运行源代码与相应文档资料，欢迎下载参考
【机器学习】关联规则挖掘算法 + 三大案例实战 + Apriori算法 + Python代码实现
热门推荐
知不足而奋进，望远山而前行
01-09 3万+
关联规则中的数据集结构一般如下所示：{ 牛奶 } 是 1-项集{ 牛奶，果冻 } 是 2-项集；{ 啤酒，面包，牛奶 } 是 3-项集X和Y是项集X称为规则前项Y称为规则后项事务：即样本，一个样本称为一个事务。事务仅包含其涉及到的项目，而不包含项目的具体信息在超级市场的关联规则挖掘问题中事务是顾客一次购物所购买的商品，但事务中并不包括这些商品的具体信息，如商品的数量、价格等# 自定义一份数据集 data = {
【数据挖掘之关联规则实战】关联规则智能推荐算法
m0_49263811的博客
12-04 3231
[数据挖掘之关联规则实战】关联规则智能推荐算法
python大数据分析与机器学习商业案例实战_医学病症关联规则分析_编程实例课程教程.pdf
02-28
python大数据分析与机器学习商业案例实战_医学病症关联规则分析_编程实例课程教程.pdf
基于python机器学习的舌苔检测系统（论文+源码）
最新发布
07-05
【作品名称】：基于python机器学习的舌苔检测系统（论文+源码） 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】：本...
基于深度学习的医学图像处理分析平台.zip
02-19
《基于深度学习的医学图像处理分析平台》是一个融合了人工智能、深度学习以及Python技术的项目实践，旨在利用先进的机器学习算法对医学图像进行高效的分析和处理。该项目的核心是构建一个平台，该平台能够自动化地...
Disease-Predictor:使用TFLite进行生产的基于机器学习和深度学习的简单API和WEB APP
03-07
项目中的疾病预测模型可能基于多种机器学习算法，如逻辑回归、决策树、随机森林或支持向量机等。对于复杂问题，可能会使用深度学习模型，如卷积神经网络（CNN）或循环神经网络（RNN），尤其是经过预训练的模型，如...
医学影像分析-基于python的3D-CT影像的肺结节检测算法源码+项目说明+LUNA16数据集.zip
05-02
这个压缩包"医学影像分析-基于python的3D-CT影像的肺结节检测算法源码+项目说明+LUNA16数据集.zip"包含了用于分析三维计算机断层扫描（3D-CT）图像的肺结节检测算法的Python源代码，项目说明以及LUNA16数据集，这是...
Python-计算医疗库分析大数据集医疗并使用TensorFlow建立机器学习模型
08-11
计算医疗库：分析大数据集医疗，并使用TensorFlow建立机器学习模型
推荐系统实战-出租公寓项目6-关联规则
生命不息，学习不止
03-31 1235
代码托管在这里， https://github.com/worry1613/gongyu-recommend什么是关联规则所谓数据挖掘就是以某种方式分析源数据，从中发现一些潜在的有用的信息，即数据挖掘又可以称作知识发现。而机器学习算法则是这种“某种方式”，关联规则作为十大经典机器学习算法之一，因此搞懂关联规则（虽然目前使用的不多）自然有着很重要的意义。顾名思义，关联规则就是发现数据背后存在的某种规...
关联规则
heboy22的专栏
04-02 859
假设I是项的集合。给定一个交易数据库D，其中每个事务(Transaction)t是I的非空子集，即，每一个交易都与一个唯一的标识符TID(Transaction ID)对应。关联规则在D中的支持度(support)是D中事务已经包含X的情况下，包含Y的百分比，即条件概率；置信度(confidence)是D中事务同时包含X、Y的百分比，即概率。如果满足最小支持度阈值和最小置信度阈值。这些阈值是根据挖
Python_数据分析_关联规则和王者荣耀数据分析实战
qq_39125908的博客
02-11 4362
如果同学不喜欢看理论，可以直接看后面王者数据分析的部分。 关联规则 如果不知道尿布和啤酒问题，建议百度百科，先有个大致的了解 我们找百度百科上面的例子来讲一下 tid是交易单号，后面每一纵列中1代表购买，0代表没买。 我们只需要明白 支持度==概率（只有这个支持度足够大，说明我们选出的集合买的人多，对于商家的价值也就越大） 置信度==条件概率（这是算关联程度的） ...
实战演习(十二)——基于关联规则分析用户行为频繁项集的关键页面
livan1234的博客
06-12 933
笔者希望在平日的工作学习中，挖掘数据的价值，找寻数据的秘密，笔者认为，数据的价值不仅仅只体现在企业中，个人也可以体会到数据的魅力，用技术力量探索行为密码，让大数据助跑每一个人，欢迎直筒们关注我的公众号，大家一起讨论数据中的那些有趣的事情。 我的公众号为：livandata 啤酒尿布的案例是引发大数据思考的一个非常重要的案例，自从这个案例出现之后，对其进行深度研究的人员不计其数，本文是基于网...
机器学习实战-关联规则
hui1097的博客
11-13 827
``数据挖掘就是对数据进行处理，并以某种方式分析源数据，从中发现一些潜在的 有用的信息，所以数据挖掘又称作知识发现。这里的“某种方式”就是机器学习算法。 关联规则作为经典机器学习算法之一，搞懂关联规则自然有着很重要的意义。顾名思义， 关联规则就是发现数据背后存在的某种规则或者联系。 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline %c
SAS EM（一）关联分析（数据+实战）
可乐联盟
10-02 3919
SAS EM（一）关联分析 关联规则挖掘技术可以发现不同商品在消费者购买过程中的相关性。给定一组事务集合,其中每个事务是一个项目集;一个关联规则是形如 X ->Y 的蕴涵式, X 和 Y 表示项目集,且 X∩ Y = Φ, X 和 Y 分别称为关联规则 X-> Y 的前提和结论。规则 X->Y 的支持度(Support) 是事务集中包含 X 和 Y 的事务数与所有事务数之比,记为 support(X->Y) ;规则 X->Y 的置信度(Confidence) 是指包含 X 和
python数据与挖掘实战学习：实战篇 第八章中医证型关联规则挖掘笔记
qq_54716845的博客
04-14 5900
数据分析与挖掘实战 中医证型关联规则挖掘
Apriori算法简介
Action专栏
05-31 1713
Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集 Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。 该算法的基本思想是：首先找出所有的频集，这些项集出现的
Python机器学习实战：回归入门与股票价格预测
在本篇Python机器学习实战教程的回归部分，我们将深入理解回归在机器学习中的应用，特别是如何使用Scikit-Learn进行数据分析和预测。首先，确保你已经安装了必要的库，如Scikit-Learn、Pandas和Matplotlib，以及...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

胖哥真不错

您的鼓励，将是我最大的坚持！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值